Flink（四） :窗口简介

一、背景

        Flink在流处理过程中，数据不断进来，我们需要在一个时间段内进行维度上对数据进行聚合（窗口），Flink提供了Tumbling Windows（无重叠）、Sliding Windows（有重叠）、Session Windows（无重叠） 三种窗口类型，窗口 驱动主要分为（时间、数量）两种，根据我们实际的业务场景选择不同的窗口类型。

二、时间

         我们基于特定时间段进行聚合时，可以引用不同的时间类型，Flink 最新版本提供了Event Time、Processing Time 两种时间类型。

 

                                               来源官方图片

   

•    Event Time ：事件时间是每个事件在其生产设备上发生的时间。这个时间通常是放在记录.中，并且可以从纪录中获取时间时间戳。事件在flink 流转时，有时因为网络、 资源等，产生一些乱序，获取到时间乱序，为了数据更准确，Flink 提供了水 位 线WaterMark）来跟踪Event Time  
•    Processing Time  ：处理时间是执行相应操作的机器的系统时间，flink  task处理数据的时 间，不会出现时间乱序，有着最好的性能和最低的延迟，数据结果可能 得到不一致的情况

三、滚动窗口（Tumbling Windows）

    滚动窗口将每个元素分配给指定窗口大小的窗口。滚动窗口具有固定大小并且不重叠。例如，如果指定一个大小为 5 分钟的滚动窗口，则将评估当前窗口，并每隔五分钟启动一个新窗口，如下图所示。

                                                                         来源官方图片

  例如我们经常统计5秒用户点击了多少次数等这样的场景，每个人运用的场景不一样，事件时间举例子说明比较清晰：

      1、我们采用事件时间，window的触发机制，是按照时间的划分，如果window设置5秒，那么20秒会把window划分为如下的形式:

      

[00:15:10   00:15:15) ->[1642263310000,1642263315000)
[00:15:15   00:15:20) ->[1642263315000,1642263320000)

 2、通过程序验证，顺序发送10条数据

     发送数据   

{"key":"002","time":1642263310000}
{"key":"002","time":1642263311000}
{"key":"002","time":1642263313000}
{"key":"002","time":1642263315000}
{"key":"002","time":1642263316000}
{"key":"002","time":1642263317000}
{"key":"002","time":1642263318000}
{"key":"002","time":1642263319000}
{"key":"002","time":1642263320000}

     

      窗口统计的执行结果

7> (002,3,1642263310000,1642263315000)
7> (002,5,1642263315000,1642263320000)

     说明：1、002是key，3是数据量，后面两个[1642263310000,1642263315000）分别代表窗口的开始时间和结束时间

              2、002是key，5是数据量，后面两个[1642263315000,1642263320000)分别代表窗口的开始时间和结束时间

四、滑动窗口（Sliding Windows）

       滑动窗口将元素分配给固定长度的窗口。类似于滚动窗口，窗口的大小由窗口大小参数配置。一个附加的窗口滑动参数控制滑动窗口的启动频率。因此，如果window size parameter小于窗口大小，则滑动窗口可能会重叠。在这种情况下，元素被分配给多个窗口。例如，大小为 10 分钟的窗口滑动 5 分钟，每 5 分钟就会获得一个窗口，其中包含在最后 10 分钟内到达的事件，如下图所示。

                                                                 来源官方图片

       这个我们比较少用，这边先不做说明，后面需要在补上

五、会话窗口（Session Windows）

      会话窗口按活动会话对元素进行分组。与滚动窗口和滑动窗口相比，会话窗口不重叠，也没有固定的开始和结束时间。相反，当会话窗口在一段时间内没有接收到元素时，即当出现不活动间隙时，会话窗口将关闭。会话窗口可以配置有会话间隙功能，该功能定义不活动的时间长度。当此期限到期时，当前会话关闭，后续元素被分配到新的会话窗口。

                                                                 来源官方图片

   例如用户在5秒内没在点击，认为这个用户不活跃，那么通过会话窗口进行统计，事件时间举例子说明比较清晰：

  1、我们采用事件时间，window的触发机制，是按照时间的划分，如果window设置5秒

发送数据：

{"key":"001","time":1642263313000}
{"key":"001","time":1642263316000}
{"key":"001","time":1642263320000}
{"key":"001","time":1642263325000}
{"key":"001","time":1642263331000}
{"key":"001","time":1642263338000}

window划分为如下的形式:

  

  [1642263313000,1642263330000)

  [1642263331000,1642263336000)

 结果说明

  1> (001,4,1642263313000,1642263330000)

  1> (001,1,1642263331000,1642263336000)

结果说明（第一个结果）：第一条跟第二条相差3秒(1642263313000-1642263316000)，没有触发

             第二条跟第三条相差4秒(1642263316000-1642263320000)，没有触发

             第三条跟第4条相差5秒(1642263320000-1642263325000),没有触发

            第四条跟第5条相差6秒(1642263325000-1642263331000)>gap(5秒)，触发窗口

            统计结果是前面4条数据    

六、总结

       我们对窗口的简单介绍（后面也会继续完善），没很复杂，比较能快速理解，后面会有实际的例子，对代码会有更好的理解、还有水位线的介绍