36、Flink 的窗口分配器（Assigner）详解

Window Assigners

a）概述

Window assigner 定义了 stream 中的元素如何被分发到各个窗口，可以在 window(...)（用于 keyed streams）或 windowAll(...) （用于 non-keyed streams）中指定一个 WindowAssigner。

WindowAssigner 负责将 stream 中的每个数据分发到一个或多个窗口中，Flink 提供了默认的 window assigner，即 tumbling windows、 sliding windows、 session windows 和 global windows；也可以继承 WindowAssigner 类来实现自定义的 window assigner。

所有内置的 window assigner（除了 global window）都是基于时间分发数据的，processing time 或 event time 均可。

基于时间的窗口用 start timestamp（包含）和 end timestamp（不包含）描述窗口的大小；在代码中，Flink 处理基于时间的窗口使用的是 TimeWindow， 它有查询开始和结束的 timestamp 以及返回窗口所能储存的最大 timestamp 的方法 maxTimestamp()。

下图展示了每种 assigner 如何工作，紫色的圆圈代表 stream 中按 key 划分的元素（本例中是按 user 1、user 2 和 user 3 划分），x 轴表示时间的进展。

b）滚动窗口（Tumbling Windows）

滚动窗口的 assigner 分发元素到指定大小的窗口，滚动窗口的大小是固定的，且各自范围之间不重叠；如果指定了滚动窗口的大小为 5 分钟，那么每 5 分钟就会有一个窗口被计算，且一个新的窗口被创建。

DataStream<T> input = ...;

// 滚动 event-time 窗口
input
    .keyBy(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.seconds(5)))
    .<windowed transformation>(<window function>);

// 滚动 processing-time 窗口
input
    .keyBy(<key selector>)
    .window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
    .<windowed transformation>(<window function>);

// 长度为一天的滚动 event-time 窗口， 偏移量为 -8 小时。
input
    .keyBy(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.days(1), Time.hours(-8)))
    .<windowed transformation>(<window function>);

时间间隔可以用 Time.milliseconds(x)、Time.seconds(x)、Time.minutes(x) 等来指定。

如上一个例子所示，滚动窗口的 assigners 也可以传入可选的 offset 参数，这个参数可以用来对齐窗口。 比如说，不设置 offset 时，长度为一小时的滚动窗口会与 linux 的 epoch 对齐，会得到如 1:00:00.000 - 1:59:59.999、2:00:00.000 - 2:59:59.999 等。

如果想改变对齐方式，可以设置一个 offset，如果设置了 15 分钟的 offset， 会得到 1:15:00.000 - 2:14:59.999、2:15:00.000 - 3:14:59.999 等，一个重要的 offset 用例是根据 UTC-0 调整窗口的时差，在中国可能会设置 offset 为 Time.hours(-8)。

c）滑动窗口（Sliding Windows）

与滚动窗口类似，滑动窗口的 assigner 分发元素到指定大小的窗口，窗口大小通过 window size 参数设置，滑动窗口需要一个额外的滑动距离（window slide）参数来控制生成新窗口的频率；如果 slide 小于窗口大小，滑动窗口可以允许窗口重叠，此时一个元素可能会被分发到多个窗口。

举例设置了大小为 10 分钟，滑动距离 5 分钟的窗口，会在每 5 分钟得到一个新的窗口，里面包含之前 10 分钟到达的数据。

DataStream<T> input = ...;

// 滑动 event-time 窗口
input
    .keyBy(<key selector>)
    .window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5)))
    .<windowed transformation>(<window function>);

// 滑动 processing-time 窗口
input
    .keyBy(<key selector>)
    .window(SlidingProcessingTimeWindows.of(Time.seconds(10), Time.seconds(5)))
    .<windowed transformation>(<window function>);

// 滑动 processing-time 窗口，偏移量为 -8 小时
input
    .keyBy(<key selector>)
    .window(SlidingProcessingTimeWindows.of(Time.hours(12), Time.hours(1), Time.hours(-8)))
    .<windowed transformation>(<window function>);

时间间隔可以使用 Time.milliseconds(x)、Time.seconds(x)、Time.minutes(x) 等来指定。

同滚动窗口的 assigners 一样，也可以传入可选的 offset 参数，用来对齐窗口。

比如说，不设置 offset 时，长度为一小时、滑动距离为 30 分钟的滑动窗口会与 linux 的 epoch 对齐，会得到如 1:00:00.000 - 1:59:59.999, 1:30:00.000 - 2:29:59.999 等；如果想改变对齐方式，可以设置一个 offset。

如果设置了 15 分钟的 offset，会得到 1:15:00.000 - 2:14:59.999、1:45:00.000 - 2:44:59.999 等，可以根据 UTC-0 调整窗口的时差，在中国可能会设置 offset 为 Time.hours(-8)。

d）会话窗口（Session Windows）

会话窗口的 assigner 会把数据按活跃的会话分组，与滚动窗口和滑动窗口不同，会话窗口不会相互重叠，且没有固定的开始或结束时间。

会话窗口在一段时间没有收到数据之后会关闭，即在一段不活跃的间隔之后，会话窗口的 assigner 可以设置固定的会话间隔（session gap）或用 session gap extractor 函数来动态地定义多长时间算作不活跃；当超出了不活跃的时间段，当前的会话就会关闭，并且将接下来的数据分发到新的会话窗口。

DataStream<T> input = ...;

// 设置了固定间隔的 event-time 会话窗口
input
    .keyBy(<key selector>)
    .window(EventTimeSessionWindows.withGap(Time.minutes(10)))
    .<windowed transformation>(<window function>);
    
// 设置了动态间隔的 event-time 会话窗口
input
    .keyBy(<key selector>)
    .window(EventTimeSessionWindows.withDynamicGap((element) -> {
        // 决定并返回会话间隔
    }))
    .<windowed transformation>(<window function>);

// 设置了固定间隔的 processing-time session 窗口
input
    .keyBy(<key selector>)
    .window(ProcessingTimeSessionWindows.withGap(Time.minutes(10)))
    .<windowed transformation>(<window function>);
    
// 设置了动态间隔的 processing-time 会话窗口
input
    .keyBy(<key selector>)
    .window(ProcessingTimeSessionWindows.withDynamicGap((element) -> {
        // 决定并返回会话间隔
    }))
    .<windowed transformation>(<window function>);

固定间隔可以使用 Time.milliseconds(x)、Time.seconds(x)、Time.minutes(x) 等来设置。

动态间隔可以通过实现 SessionWindowTimeGapExtractor 接口来指定。

原理：会话窗口并没有固定的开始或结束时间，在 Flink 内部，会话窗口的算子会为每一条数据创建一个窗口， 然后将距离不超过预设间隔的窗口合并；想要让窗口可以被合并，会话窗口需要拥有支持合并的 Trigger 和 Window Function， 比如说 ReduceFunction、AggregateFunction 或 ProcessWindowFunction。

f）全局窗口（Global Windows）

全局窗口的 assigner 将拥有相同 key 的所有数据分发到一个全局窗口，此窗口模式仅在指定了自定义的 trigger 时有用，否则计算不会发生，因为全局窗口没有天然的终点去触发其中积累的数据。

DataStream<T> input = ...;

input
    .keyBy(<key selector>)
    .window(GlobalWindows.create())
    .<windowed transformation>(<window function>);