Flink学习（3）——Window（窗口机制）API

1. Window的概念

无论是无界的数据流还是有界的，Flink都可以做到接收一个数据就立即处理一个数据，最终我们可以得到整个数据流的所有数据的统计结果。

但是，一般来说更多的，我们希望得到的是统计某个区间、或者某个时间段内的数据结果，比如每天的商品销量、每天的网站点击量，这种情况下，我们就需要Flink中的窗口机制Window API来实现。

Window，Flink中的窗口机制，我的简单理解就是：该机制可以将一个数据流中的数据按照一定规则进行切割，分割为一段一段的数据，然后将这些一段一段的数据分发在各自的桶（bucket）中进行分析计算，进而得到一个区间内的统计数据结果。

window机制并不是让Flink变成了批处理，每个桶内的还是每来一条数据就计算一次。

2. Window的类型

2.1 时间窗口（Time Window）

1. 滚动时间窗口（Tumbling Windows）

将数据依据固定的窗口长度对数据进行切分，而且时间对齐，窗口长度固定，窗口之间没有重叠。针对不同的时间语义（即ProcessingTime和EventTime），Flink提供了TumblingProcessingTimeWindows和TumblingEventTimeWindows等常用窗口定义类。

2. 滑动时间窗口（Sliding Windows）

滑动窗口是固定窗口的更广义的一种形式，滑动窗口由固定的窗口长度和滑动间隔组成，窗口长度固定，可以有重叠。

简单理解就是：当我们定义了第一个窗口的左边界位置的时候，将第一个窗口的左边界向右滑动我们指定的滑动间隔（距离），就是第二个滑动窗口的左边界，同理再向右滑动一次，就是第三个窗口的左边界。

如果创建滑动窗口时，指定的滑动间隔与窗口长度相同，那此时其实就相当于滚动窗口。针对不同的时间语义（即ProcessingTime和EventTime），Flink提供了SlidingProcessingTimeWindows和SlidingEventTimeWindows等常用窗口定义类。

3. 会话窗口（Session Windows）

会话窗口比较特殊，其没有固定的窗口长度，而是是有固定的窗口间隙，或者说timeout，简单来讲就是如果一个窗口在timeout时间之内没有收到数据（这里的时间取决于你使用的是EventTime还是ProcessTime），那么就会关闭当前窗口，开启下一个窗口。针对不同的时间语义（即ProcessingTime和EventTime），Flink提供了ProcessingTimeSessionWindows和EventTimeSessionWindows等常用窗口定义类。

4.

2.2 计数窗口（Count Window）

1. 滚动计数窗口

滚动计数，按照数据个数进行划分，滚动的定义与上面相同。

 

2. 滑动计数窗口

按照数据个数进行划分，滑动的定义与上面相同。

3. API使用

3.1 数据开窗

flink中对数据流开窗处理有以下几个方法

（1）window()：基本的开窗方法，此方法的调用必须在keyBy操作执行之后，时间窗和计数窗口都可以通过此方法开启。

（2）windowAll()：此方法的调用不需要keyBy操作，windowAll方法直接开窗，不进行数据分区，相当于对当前整个数据流进行开窗，屏蔽了flink的并行运行，所以该方法而非必要情况下不要使用。

（3）timeWindow()：开启时间窗口，是window方法的简写。

（4）countWindow()：开启计数窗口，是window方法的简写。

public class WindowApiTes