2024年最全Flink的时间类型和窗口概述，助你进阶Flink，畅游大数据时代(1)，带你彻底弄明白

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

我们再把时间窗口设置为1分钟，再试试。

窗口开始时间:2020-02-05 00:27:00 窗口结束时间：2020-02-05 00:28:00 窗口计算时间:2020-02-05 00:28:00

4> (hadooop,32)

窗口开始时间:2020-02-05 00:28:00 窗口结束时间：2020-02-05 00:29:00 窗口计算时间:2020-02-05 00:29:00

4> (hadooop,60)

Flink窗口介绍及应用

============

Windows是Flink流计算的核心，本文将概括的介绍几种窗口的概念，重点只放在窗口的应用上。

一、窗口（window）的类型

---

对于窗口的操作主要分为两种，分别对于Keyedstream和Datastream。他们的主要区别也仅仅在于建立窗口的时候一个为.window(…)，一个为.windowAll(…)。对于Keyedstream的窗口来说，他可以使得多任务并行计算，每一个logical key stream将会被独立的进行处理。

stream

.keyBy(…) <- keyed versus non-keyed windows

.window(…)/.windowAll(…) <- required: “assigner”

[.trigger(…)] <- optional: “trigger” (else default trigger)

[.evictor(…)] <- optional: “evictor” (else no evictor)

[.allowedLateness(…)] <- optional: “lateness” (else zero)

[.sideOutputLateData(…)] <- optional: “output tag” (else no side output for late data)

.reduce/aggregate/fold/apply() <- required: “function”

[.getSideOutput(…)] <- optional: “output tag”

按照窗口的Assigner来分，窗口可以分为

Tumbling window， sliding window，session window，global window，custom window

每种窗口又可分别基于processing time和event time，这样的话，窗口的类型严格来说就有很多。

还有一种window叫做count window，依据元素到达的数量进行分配，之后也会提到。

窗口的生命周期开始在第一个属于这个窗口的元素到达的时候，结束于第一个不属于这个窗口的元素到达的时候。

二、窗口的操作

---

2.1 Tumbling window

固定相同间隔分配窗口，每个窗口之间没有重叠看图一眼明白。

下面的例子定义了每隔3毫秒一个窗口的流：

WindowedStream<MovieRate, Integer, TimeWindow> Rates = rates

.keyBy(MovieRate::getUserId)

.window(TumblingEventTimeWindows.of(Time.milliseconds(3)));

2.2 Sliding Windows

跟上面一样，固定相同间隔分配窗口，只不过每个窗口之间有重叠。窗口重叠的部分如果比窗口小，窗口将会有多个重叠，即一个元素可能被分配到多个窗口里去。

下面的例子给出窗口大小为10毫秒，重叠为5毫秒的流：

WindowedStream<MovieRate, Integer, TimeWindow> Rates = rates

.keyBy(MovieRate::getUserId)

.window(SlidingEventTimeWindows.of(Time.milliseconds(10), Time.milliseconds(5)));

2.3 Session window

这种窗口主要是根据活动的事件进行窗口化，他们通常不重叠，也没有一个固定的开始和结束时间。一个session window关闭通常是由于一段时间没有收到元素。在这种用户交互事件流中，我们首先想到的是将事件聚合到会话窗口中（一段用户持续活跃的周期），由非活跃的间隙分隔开。

// 静态间隔时间

WindowedStream<MovieRate, Integer, TimeWindow> Rates = rates

.keyBy(MovieRate::getUserId)

.window(EventTimeSessionWindows.withGap(Time.milliseconds(10)));

// 动态时间

WindowedStream<MovieRate, Integer, TimeWindow> Rates = rates

.keyBy(MovieRate::getUserId)

.window(EventTimeSessionWindows.withDynamicGap(()));

2.4 Global window

将所有相同keyed的元素分配到一个窗口里。好吧，就这样：

WindowedStream<MovieRate, Integer, GlobalWindow> Rates = rates

.keyBy(MovieRate::getUserId)

.window(GlobalWindows.create());

三、窗口函数

---

窗口函数就是这四个：ReduceFunction，AggregateFunction，FoldFunction，ProcessWindowFunction。前两个执行得更有效，因为Flink可以增量地聚合每个到达窗口的元素。

Flink必须在调用函数之前在内部缓冲窗口中的所有元素，所以使用ProcessWindowFunction进行操作效率不高。不过ProcessWindowFunction可以跟其他的窗口函数结合使用，其他函数接受增量信息，ProcessWindowFunction接受窗口的元数据。

举一个AggregateFunction的例子吧，下面代码为MovieRate按user分组，且分配5毫秒的Tumbling窗口，返回每个user在窗口内评分的所有分数的平均值。

DataStream<Tuple2<Integer,Double>> Rates = rates

.keyBy(MovieRate::getUserId)

.window(TumblingEventTimeWindows.of(Time.milliseconds(5)))

.aggregate(new AggregateFunction<MovieRate, AverageAccumulator, Tuple2<Integer,Double>>() {

@Override

public AverageAccumulator createAccumulator() {

return new AverageAccumulator();

}

@Override

public AverageAccumulator add(MovieRate movieRate, AverageAccumulator acc) {

acc.userId = movieRate.userId;

acc.sum += movieRate.rate;

acc.count++;

return acc;

}

@Override

public Tuple2<Integer,Double> getResult(AverageAccumulator acc) {

return Tuple2.of(acc.userId, acc.sum/(double)acc.count);

}

@Override

public AverageAccumulator merge(AverageAccumulator acc0, AverageAccumulator acc1) {

acc0.count += acc1.count;

acc0.sum += acc1.sum;

return acc0;

}

});

public static class AverageAccumulator{

int userId;

int count;

double sum;

}

以下是部分输出：

…

1> (44,3.0)

4> (96,0.5)

2> (51,0.5)

3> (90,2.75)

…

看上面的代码，会发现add()函数特别生硬，因为我们想返回Tuple2<Integer, Double>类型，即Integer为key，但AggregateFunction似乎没有提供这个机制可以让AverageAccumulator的构造函数提供参数。所以，这里引入ProcessWindowFunction与AggregateFunction的结合版，AggregateFunction进行增量叠加，当窗口关闭时，ProcessWindowFunction将会被提供AggregateFunction返回的结果，进行Tuple封装：

DataStream<Tuple2<Integer,Double>> Rates = rates

.keyBy(MovieRate::getUserId)

.window(TumblingEventTimeWindows.of(Time.milliseconds(5)))

.aggregate(new MyAggregateFunction(), new MyProcessWindowFunction());

public static class MyAggregateFunction implements AggregateFunction<MovieRate, AverageAccumulator, Double> {

@Override

public AverageAccumulator createAccumulator() {

return new AverageAccumulator();

}

@Override

public AverageAccumulator add(MovieRate movieRate, AverageAccumulator acc) {

acc.sum += movieRate.rate;

acc.count++;

return acc;

}

@Override

public Double getResult(AverageAccumulator acc) {

return acc.sum/(double)acc.count;

}

@Override

public AverageAccumulator merge(AverageAccumulator acc0, AverageAccumulator acc1) {

acc0.count += acc1.count;

acc0.sum += acc1.sum;

return acc0;

}

}

public static class MyProcessWindowFunction extends

ProcessWindowFunction<Double, Tuple2<Integer, Double>, Integer, TimeWindow> {

@Override

public void process(Integer key,

Context context,

Iterable results,

Collector<Tuple2<Integer, Double>> out) throws Exception {

Double result = results.iterator().next();

out.collect(new Tuple2<>(key, result));

}

}

public static class AverageAccumulator{

int count;

double sum;

}

可以得到，结果与上面一样，但代码好看了很多。

四、其他操作

---

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

eAccumulator{

int count;

double sum;

}

可以得到，结果与上面一样，但代码好看了很多。

四、其他操作

---

[外链图片转存中…(img-N8P0cK06-1715278293021)]
[外链图片转存中…(img-Jgj2BYId-1715278293021)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！