2024年最新Flink的时间类型和窗口概述，助你进阶Flink，畅游大数据时代，2024年最新大数据开发开发者必看

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！

• 每个事件发生的时间。这个时间一般是在进入到Flink之前就包含在事件中

• 针对Eventtime，事件被处理的时间以来与事件本身

• Eventtime必须要指定如何生成Eventtime Watermark（水印）

• 理想情况，不管事件何时到达或者顺序如何，事件时间处理能够得到完整一致地结果。

• 事件处理在等待乱序事件时，会产生一些延迟。这样会对Eventtime的应用性能有一定的影响

3. 摄入时间

• 摄入时间是事件进入Flink的时间

• 在source operator中，每个记录以时间戳的形式获取源的当前时间

• 它在概念是处于事件时间和处理时间中间

• 摄入时间不能处理乱序问题或者延迟数据，摄入时间可以由流式系统自动生成水印

Flink代码中设置时间类型

---

通常，我们在Flink初始化流式运行环境时，就会设置流处理时间特性。这个设置很重要，它决定了数据流的行为方式。（例如：是否需要给事件分配时间戳），以及窗口操作应该使用什么样的时间类型。例如：KeyedStream.timeWindow(Time.seconds(30))。

我们接下来通过实现一个每5秒中进行一次单词计数的案例，来说明Flink中如何指定时间类型。

public class WordCountWindow {

public static void main(String[] args) throws Exception {

// 1. 初始化流式运行环境

Configuration conf = new Configuration();

StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(conf);

// 2. 设置时间处理类型，这里设置的方式处理时间

env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);

// 3. 定义数据源，每秒发送一个hadoop单词

DataStreamSource wordDS = env.addSource(new RichSourceFunction() {

private boolean isCanaled = false;

@Override

public void run(SourceContext ctx) throws Exception {

while (!isCanaled) {

ctx.collect(“hadooop”);

Thread.sleep(1000);

}

}

@Override

public void cancel() {

isCanaled = true;

}

});

// 4. 每5秒进行一次，分组统计

// 4.1 转换为元组

wordDS.map(word -> Tuple2.of(word, 1))

// 指定返回类型

.returns(Types.TUPLE(Types.STRING, Types.INT))

// 按照单词进行分组

.keyBy(t -> t.f0)

// 滚动窗口，3秒计算一次

.timeWindow(Time.seconds(3))

.reduce(new ReduceFunction<Tuple2<String, Integer>>() {

@Override

public Tuple2<String, Integer> reduce(Tuple2<String, Integer> value1, Tuple2<String, Integer> value2) throws Exception {

return Tuple2.of(value1.f0, value1.f1 + value2.f1);

}

}, new RichWindowFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, String, TimeWindow>() {

@Override

public void apply(String word, TimeWindow window, Iterable<Tuple2<String, Integer>> input, Collector<Tuple2<String, Integer>> out) throws Exception {

// 打印窗口开始、结束时间

SimpleDateFormat sdf = new SimpleDateFormat(“yyyy-MM-dd HH:mm:ss”);

System.out.println(“窗口开始时间:” + sdf.format(window.getStart())

• " 窗口结束时间：" + sdf.format(window.getEnd())

• " 窗口计算时间:" + sdf.format(System.currentTimeMillis()));

int sum = 0;

Iterator<Tuple2<String, Integer>> iterator = input.iterator();

while(iterator.hasNext()) {

Integer count = iterator.next().f1;

sum += count;

}

out.collect(Tuple2.of(word, sum));

}

}).print();

env.execute(“app”);

}

}

窗口开始时间:2020-02-05 00:22:21 窗口结束时间：2020-02-05 00:22:24 窗口计算时间:2020-02-05 00:22:24

4> (hadooop,2)

窗口开始时间:2020-02-05 00:22:24 窗口结束时间：2020-02-05 00:22:27 窗口计算时间:2020-02-05 00:22:27

4> (hadooop,3)

窗口开始时间:2020-02-05 00:22:27 窗口结束时间：2020-02-05 00:22:30 窗口计算时间:2020-02-05 00:22:30

4> (hadooop,3)

窗口开始时间:2020-02-05 00:22:30 窗口结束时间：2020-02-05 00:22:33 窗口计算时间:2020-02-05 00:22:33

4> (hadooop,3)

窗口开始时间:2020-02-05 00:22:33 窗口结束时间：2020-02-05 00:22:36 窗口计算时间:2020-02-05 00:22:36

4> (hadooop,3)

窗口开始时间:2020-02-05 00:22:36 窗口结束时间：2020-02-05 00:22:39 窗口计算时间:2020-02-05 00:22:39

我们可以看到，这个滚动窗口，每3秒计算一次，是按照系统时间来计算的。

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();

}

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

public AverageAccumulator createAccumulator() {

return new AverageAccumulator();

}

[外链图片转存中…(img-raDsZvdX-1715297050539)]
[外链图片转存中…(img-euImILuW-1715297050539)]
[外链图片转存中…(img-nT5Vv3nt-1715297050540)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取