万字细说Flink中Window原理与使用

一、时间语义

学习flink的Window窗口，需要先了解下flink的三种时间语义。不同的时间语义对应不同的窗口函数。

1.Flink中的时间语义

• 在Flink的流式处理中，会涉及到时间的不同概念，如下图所示：
  

• 1. Event Time：是事件创建的时间。它通常由事件中的时间戳描述，例如采集的日志数据中，每一条日志都会记录自己的生成时间，Flink通过时间戳分配器访问事件时间戳。

• 2. Ingestion Time：是数据进入Flink的时间。

• 3. Processing Time：是每一个执行基于时间操作的算子的本地系统时间，与机器相关，默认的时间属性就是Processing Time。

2. 设置时间语义

• 在flink的流式处理中，绝大部分的业务都会使用eventTime，一般只在eventTime无法使用时，才会被迫使用ProcessingTime或者IngestionTime。

• 如果要使用EventTime，那么需要引入EventTime的时间属性，引入方式如下所示：

  StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment
  // 从调用时刻开始给env创建的每一个stream追加时间特征
  env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
  

  TimeCharacteristic源码：

  public enum TimeCharacteristic {
       
  
  	/**
  	 * Processing time for operators means that the operator uses the system clock of the machine
  	 * to determine the current time of the data stream. Processing-time windows trigger based
  	 * on wall-clock time and include whatever elements happen to have arrived at the operator at
  	 * that point in time.
  	 */
  	ProcessingTime,
  
  	/**
  	 * Ingestion time means that the time of each individual element in the stream is determined
  	 * when the element enters the Flink streaming data flow. Operations like windows group the
  	 * elements based on that time, meaning that processing speed within the streaming dataflow
  	 * does not affect windowing, but only the speed at which sources receive elements.
  	
  	 */
  	IngestionTime,
  
  	/**
  	 * Event time means that the time of each individual element in the stream (also called event)
  	 * is determined by the event's individual custom timestamp. These timestamps either exist in
  	 * the elements from before they entered the Flink streaming dataflow, or are user-assigned at
  	 * the sources. The big implication of this is that it allows for elements to arrive in the
  	 * sources and in all operators out of order, meaning that elements with earlier timestamps may
  	 * arrive after elements with later timestamps.
  	 */
  	EventTime
  }
  

二、Window窗口

1.Window概述

• streaming流式计算是一种被设计用于处理无限数据集的数据处理引擎，而无限数据集是指一种不断增长的本质上无限的数据集，而window是一种切割无限数据为有限块进行处理的手段。

• Window是无限数据流处理的核心，Window将一个无限的stream拆分成有限大小的"buckets"桶，我们可以在这些桶上做计算操作。

2.Window简介

Window可以分成两类：

• ① CountWindow（计数窗口）：按照指定的数据条数生成一个Window，与时间无关。

• ② TimeWindow（时间窗口）：按照时间生成Window。

  • 对于TimeWindow，可以根据窗口实现原理的不同分成三类：滚动窗口（Tumbling Window）、滑动窗口（Sliding Window）和会话窗口（Session Window）。

2.1 滚动窗口（Tumbling Windows）

• 将数据依据固定的窗口长度对数据进行切片。

• 特点：时间对齐，窗口长度固定，没有重叠。

• 滚动窗口分配器将每个元素分配到一个指定窗口大小的窗口中，滚动窗口有一个固定的大小，并且不会出现重叠。例如：如果你指定了一个5分钟大小的滚动窗口，窗口的创建如下图所示

• 适用场景：适合做BI统计等（做每个时间段的聚合计算）。

2.2 滑动窗口（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。

• 特点：时间对齐，窗口长度固定，可以有重叠。

• 滑动窗口分配器将元素分配到固定长度的窗口中，与滚动窗口类似，窗口的大小由窗口大小参数来配置，另一个窗口滑动参数控制滑动窗口开始的频率。因此，滑动窗口如果滑动参数小于窗口大小的话，窗口是可以重叠的，在这种情况下元素会被分配到多个窗口中。

• 例如，你有10分钟的窗口和5分钟的滑动，那么每个窗口中5分钟的窗口里包含着上个10分钟产生的数据，如下图所示：
  

• 适用场景：对最近一个时间段内的统计（求某接口最近5min的失败率来决定是否要报警）。

2.3 会话窗口（Session Windows）

• 由一系列事件组合一个指定时间长度的timeout间隙组成，类似于web应用的session，也就是一段时间没有接收到新数据就会生成新的窗口。

• 特点：时间无对齐。

• session窗口分配器通过session活动来对元素进行分组，session窗口跟滚动窗口和滑动窗口相比，不会有重叠和固定的开始时间和结束时间的情况，相反，当它在一个固定的时间周期内不再收到元素，即非活动间隔产生，那个这个窗口就会关闭。一个session窗口通过一个session间隔来配置，这个session间隔定义了非活跃周期的长度，当这个非活跃周期产生，那么当前的session将关闭并且后续的元素将被分配到新的session窗口中去。

3.Window API

3.1 TimeWindow

• TimeWindow是将指定时间范围内的所有数据组成一个window，一次对一个window里面的所有数据进行计算。
• flink有两种开窗的方式：

  • 1.直接调用timeWindow。传入一个参数就是滚动窗口，传入两个参数就是滑动窗口。timeWindow源码如下：

    如果传入一个参数(窗口大小)，就是滚动窗口，本质是根据时间语义分别调用了TumblingProcessingTimeWindows和TumblingEventTimeWindows

    /**
    * Windows this {@code KeyedStream} into tumbling time windows.
    *
    * <p>This is a shortcut for either {@code .window(TumblingEventTimeWindows.of(size))} or
    * {@code .window(TumblingProcessingTimeWindows.of(size))} depending on the time characteristic
    * set using
    * {@link org.apache.flink.streaming.api.environment.StreamExecutionEnvironment#setStreamTimeCharacteristic(org.apache.flink.streaming.api.TimeCharacteristic)}
    *
    * @param size The size of the window.
    */
    public WindowedStream<T, KEY, TimeWindow> timeWindow(Time size) {
           
    	if (environment.getStreamTimeCharacteristic() == TimeCharacteristic.ProcessingTime) {
           
    	return window(TumblingProcessingTimeWindows.of(size));
    	} else {
           
    	return window(TumblingEventTimeWindows.of(size));
    	}
    }
    

    如果传入两个参数（窗口大小，和滑动步长），就是滑动窗口，也是根据时间语义实现了SlidingProcessingTimeWindows和 SlidingEventTimeWindows

    /**
     * Windows this {@code KeyedStream} into sliding time windows.
     *
     * <p>This is a shortcut for either {@code .window(SlidingEventTimeWindows.of(size, slide))} or
     * {@code .window(SlidingProcessingTimeWindows.of(size, slide))} depending on the time
     * characteristic set using
     * {@link org.apache.flink.streaming.api.environment.StreamExecutionEnvironment#setStreamTimeCharacteristic(org.apache.flink.streaming.api.TimeCharacteristic)}
     *
     * @param size The size of the window.
     */
    public WindowedStream<T, KEY, TimeW