辽宁省住房和城乡建设厅网站进不去网站图片怎么换

当前位置： 首页 > news >正文

辽宁省住房和城乡建设厅网站进不去,网站图片怎么换,昆明seo和网络推广,wordpress顶部工具栏修改logo大纲 可控参数字段级规则生成方式数值控制时间戳控制 表级规则生成速度生成总量 结构生成环境定义行结构定义表信息 案例随机Int型顺序Int型随机型Int数组带时间戳的多列数据 完整代码参考资料 在研究Flink的水位线#xff08;WaterMark#xff09;技术之前#xff0c;我们可… 大纲 可控参数字段级规则生成方式数值控制时间戳控制 表级规则生成速度生成总量 结构生成环境定义行结构定义表信息 案例随机Int型顺序Int型随机型Int数组带时间戳的多列数据 完整代码参考资料 在研究Flink的水位线WaterMark技术之前我们可能需要Flink接收到流式数据比如接入Kafka等。这就要求引入其他组件增加了学习的难度。而Flink自身提供了datagen连接器它可以用于生成流式数据让问题内聚在Flink代码内部从而降低学习探索的难度。 本节我们就介绍如何使用datagen生成数据。 可控参数 我们可以使用option方法控制生成的一些规则主要分为“字段级规则”和“表级规则”。 字段级规则 顾名思义字段级规则是指该规则作用于具体哪个字段这就需要指明字段的名称——fields.col_name。 生成方式 字段的生成方式由下面的字符串形式来控制#表示字段的名称下同 fields.#.kind 可选值有 random随机方式比如5,2,1,4,6……。sequence顺序方式比如1,2,3,4,5,6……。 数值控制 如果kind是sequence则数值控制使用 fields.#.start区间的起始值。fields.#.end区间的结束值。 如果配置了这个两个参数则会生成有限个数的数据。 如果kind是random则数值控制使用 fields.#.min随机算法会选取的最小值。fields.#.max随机算法会选取的最大值。 时间戳控制 fields.#.max-past仅仅可以用于TIMESTAMP和TIMESTAMP_LTZ类型的数据。它表示离现在时间戳最大的时间差这个默认值是0。TIMESTAMP和TIMESTAMP_LTZ只支持random模式生成这就需要控制随机值的区间。如果区间太小我们生成的时间可能非常集中。后面我们会做相关测试。 表级规则 生成速度 rows-per-second表示每秒可以生成几条数据。 生成总量 number-of-rows表示一共可以生成多少条数据。如果这个参数不设置则表示可以生成无界流。 结构 生成环境 我们需要流式环境而datagen是Table API的连接器于是使用流式执行环境创建一个流式表环境。 stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)定义行结构 schame Schema.new_builder().column(seed, DataTypes.INT()).build()这个结构以及支持的生成模式是 TypeSupported GeneratorsBOOLEANrandomCHARrandom / sequenceVARCHARrandom / sequenceBINARYrandom / sequenceVARBINARYrandom / sequenceSTRINGrandom / sequenceDECIMALrandom / sequenceTINYINTrandom / sequenceSMALLINTrandom / sequenceINTrandom / sequenceBIGINTrandom / sequenceFLOATrandom / sequenceDOUBLErandom / sequenceDATErandomTIMErandomTIMESTAMPrandomTIMESTAMP_LTZrandomINTERVAL YEAR TO MONTHrandomINTERVAL DAY TO MONTHrandomROWrandomARRAYrandomMAPrandomMULTISETrandom 定义表信息 下面这个例子就是给seed字段按随机模式生成seed_min和seed_max之间的数值并且每秒生成rows_per_second行。 table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(fields.seed.min, str(seed_min)) .option(fields.seed.max, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()案例 随机Int型 每秒生成5行数据每行数据中seed字段值随机在最小值0和最大值100之间。由于没有指定number-of-rows生成的是无界流。 def gen_random_int():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 0seed_max 100rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(fields.seed.min, str(seed_min)) .option(fields.seed.max, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()—————–

| op | seed |

| I | 25 | | I | 28 | | I | 73 | | I | 68 | | I | 40 | | I | 55 | | I | 6 | | I | 41 | | I | 16 | | I | 19 | ……顺序Int型 每秒生成5行数据每行数据中seed字段值从1开始递增一直自增到10。由于设置了最大和最小值生成的是有界流。 def gen_sequence_int():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 1seed_max 10rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, sequence) .option(fields.seed.start, str(seed_min)) .option(fields.seed.end, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()—————–

| op | seed |

| I | 1 | | I | 2 | | I | 3 | | I | 4 | | I | 5 | | I | 6 | | I | 7 | | I | 8 | | I | 9 |

| I | 10 |

10 rows in set随机型Int数组 每秒生成5行数据每行数据中seed字段是一个Int型数组数组里面的每个元素也是随机的。 def gen_random_int_array():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.ARRAY(DataTypes.INT())) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()————————————

| op | seed |

| I | [625785630, -933999461, -48… | | I | [2087310154, 1602723641, 19… | | I | [1299442620, -613376781, -8… | | I | [2051511574, 246258035, -16… | | I | [2029482070, -1496468635, -… | | I | [1230213175, -1506525784, 7… | | I | [501476712, 1901967363, -56… | ……带时间戳的多列数据 每秒生成5行数据每行数据中seed字段值随机在最小值0和最大值100之间timestamp字段随机在当前时间戳和“当前时间戳max-past”之间。

def gen_random_int_and_timestamp():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 0seed_max 100rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()) .column(timestamp, DataTypes.TIMESTAMP()) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(fields.seed.min, str(seed_min)) .option(fields.seed.max, str(seed_max)) .option(fields.timestamp.kind, random) .option(fields.timestamp.max-past, 0) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()由于max-past值为0所以我们看到上例中每秒生成的timestamp 都极接近。

| op | seed | timestamp |

| I | 66 | 2023-11-02 13:53:29.082000 | | I | 9 | 2023-11-02 13:53:29.146000 | | I | 12 | 2023-11-02 13:53:29.146000 | | I | 52 | 2023-11-02 13:53:29.146000 | | I | 29 | 2023-11-02 13:53:29.146000 | | I | 63 | 2023-11-02 13:53:30.066000 | | I | 25 | 2023-11-02 13:53:30.066000 | | I | 21 | 2023-11-02 13:53:30.066000 | | I | 24 | 2023-11-02 13:53:30.066000 | | I | 6 | 2023-11-02 13:53:30.066000 | | I | 62 | 2023-11-02 13:53:31.067000 | | I | 57 | 2023-11-02 13:53:31.067000 | | I | 44 | 2023-11-02 13:53:31.067000 | | I | 6 | 2023-11-02 13:53:31.067000 | | I | 16 | 2023-11-02 13:53:31.067000 | ……如果我们把max-past放大到比较大的数值timestamp也将大幅度变化。 .option(fields.timestamp.max-past, 10000)———————————————

| op | seed | timestamp |

| I | 89 | 2023-11-02 13:57:17.342000 | | I | 35 | 2023-11-02 13:57:10.915000 | | I | 32 | 2023-11-02 13:57:11.045000 | | I | 74 | 2023-11-02 13:57:18.407000 | | I | 24 | 2023-11-02 13:57:13.603000 | | I | 82 | 2023-11-02 13:57:12.139000 | | I | 41 | 2023-11-02 13:57:16.129000 | | I | 95 | 2023-11-02 13:57:16.592000 | | I | 80 | 2023-11-02 13:57:14.364000 | | I | 60 | 2023-11-02 13:57:18.994000 | | I | 56 | 2023-11-02 13:57:19.330000 | | I | 10 | 2023-11-02 13:57:18.876000 | | I | 43 | 2023-11-02 13:57:12.449000 | | I | 73 | 2023-11-02 13:57:13.183000 | | I | 17 | 2023-11-02 13:57:18.736000 | | I | 46 | 2023-11-02 13:57:21.368000 | ……完整代码 from pyflink.datastream import StreamExecutionEnvironment,RuntimeExecutionMode from pyflink.table import StreamTableEnvironment, TableDescriptor, Schema, DataTypesdef gen_random_int():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 0seed_max 100rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(fields.seed.min, str(seed_min)) .option(fields.seed.max, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_sequence_int():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 1seed_max 10rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, sequence) .option(fields.seed.start, str(seed_min)) .option(fields.seed.end, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_sequence_string():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 0seed_max 100rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.STRING()).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, sequence) .option(fields.seed.start, str(seed_min)) .option(fields.seed.end, str(seed_max)) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_char():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.CHAR(4)).build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_int_and_timestamp():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)seed_min 0seed_max 100rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.INT()) .column(timestamp, DataTypes.TIMESTAMP()) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(fields.seed.min, str(seed_min)) .option(fields.seed.max, str(seed_max)) .option(fields.timestamp.kind, random) .option(fields.timestamp.max-past, 10000) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_int_array():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.ARRAY(DataTypes.INT())) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_map():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.MAP(DataTypes.STRING(), DataTypes.INT())) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_multiset():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.MULTISET(DataTypes.STRING())) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()def gen_random_row():stream_execute_env StreamExecutionEnvironment.get_execution_environment()stream_execute_env.set_runtime_mode(RuntimeExecutionMode.STREAMING)stream_table_env StreamTableEnvironment.create(stream_execution_environmentstream_execute_env)rows_per_second 5schame Schema.new_builder().column(seed, DataTypes.ROW([DataTypes.FIELD(id, DataTypes.BIGINT()), DataTypes.FIELD(data, DataTypes.STRING())])) .build()table_descriptor TableDescriptor.for_connector(datagen) .schema(schame) .option(fields.seed.kind, random) .option(rows-per-second, str(rows_per_second)) .build()stream_table_env.create_temporary_table(source, table_descriptor)table stream_table_env.from_path(source)table.execute().print()if name main:gen_random_int_and_timestamp()参考资料 https://nightlies.apache.org/flink/flink-docs-release-1.19/docs/connectors/table/datagen/