flink實戰-定時器實現已完成訂單自動五星好評

背景需求

在電商領域會有這麼一個場景，如果用戶買了商品，在訂單完成之後，24小時之內沒有做出評價，系統自動給與五星好評，我們今天主要使用flink的定時器來簡單實現這一功能。

案例詳解

自定義source

首先我們還是通過自定義source來模擬生成一些訂單數據.
在這裏，我們生了一個最簡單的二元組Tuple2,包含訂單id和訂單完成時間兩個字段.

	public static class MySource implements SourceFunction<Tuple2<String,Long>>{
		private volatile boolean isRunning = true;

		@Override
		public void run(SourceContext<Tuple2<String,Long>> ctx) throws Exception{
			while (isRunning){
				Thread.sleep(1000);
				//訂單id
				String orderid = UUID.randomUUID().toString();
				//訂單完成時間
				long orderFinishTime = System.currentTimeMillis();
				ctx.collect(Tuple2.of(orderid, orderFinishTime));
			}
		}

		@Override
		public void cancel(){
			isRunning = false;
		}
	}

定時處理邏輯

先上代碼, 我們再來依次解釋代碼

	public static class TimerProcessFuntion
			extends KeyedProcessFunction<Tuple,Tuple2<String,Long>,Object>{

		private MapState<String,Long> mapState;
		//超過多長時間(interval,單位：毫秒) 沒有評價，則自動五星好評
		private long interval = 0l;

		public TimerProcessFuntion(long interval){
			this.interval = interval;
		}

		@Override
		public void open(Configuration parameters){
			MapStateDescriptor<String,Long> mapStateDesc = new MapStateDescriptor<>(
					"mapStateDesc",
					String.class, Long.class);
			mapState = getRuntimeContext().getMapState(mapStateDesc);
		}

		@Override
		public void onTimer(
				long timestamp, OnTimerContext ctx, Collector<Object> out) throws Exception{
			Iterator iterator = mapState.iterator();
			while (iterator.hasNext()){
				Map.Entry<String,Long> entry = (Map.Entry<String,Long>) iterator.next();

				String orderid = entry.getKey();
				boolean f = isEvaluation(entry.getKey());
				mapState.remove(orderid);
				if (f){
					LOG.info("訂單(orderid: {}) 在  {} 毫秒時間內已經評價，不做處理", orderid, interval);
				}
				if (f){
					//如果用戶沒有做評價，在調用相關的接口給與默認的五星評價
					LOG.info("訂單(orderid: {}) 超過  {} 毫秒未評價，調用接口給與五星自動好評", orderid, interval);
				}
			}
		}

		/**
		 * 用戶是否對該訂單進行了評價，在生產環境下，可以去查詢相關的訂單系統.
		 * 我們這裏只是隨便做了一個判斷
		 *
		 * @param key
		 * @return
		 */
		private boolean isEvaluation(String key){
			return key.hashCode() % 2 == 0;
		}

		@Override
		public void processElement(
				Tuple2<String,Long> value, Context ctx, Collector<Object> out) throws Exception{
			mapState.put(value.f0, value.f1);
			ctx.timerService().registerProcessingTimeTimer(value.f1 + interval);
		}
	}

1. 首先我們定義一個MapState類型的狀態，key是訂單號，value是訂單完成時間
2. 在processElement處理數據的時候，把每個訂單的信息存入狀態中，這個時候不做任何處理，並且註冊一個比訂單完成時間大於間隔時間(interval)的定時器.
3. 註冊的定時任務在到達了定時器的時間就會觸發onTimer方法，我們主要在這個裏面進行處理。我們調用外部的接口來判斷用戶是否做過評價，如果沒做評價，調用接口給與五星好評，如果做過評價，則什麼也不處理,最後記得把相應的訂單從MapState刪除

完整的代碼請參考

https://github.com/zhangjun0x01/bigdata-examples/blob/master/flink/src/main/java/timer/AutoEvaluation.java

歡迎關注我的公衆[大數據技術與應用實戰]，及時獲取更多資料