【无标题】窗口的分类

介绍

在Flink中，窗口的应用非常
灵活，我们可以使用各种不同类型的窗口来实现需求。接下来我们就从不同的角度，对Flink
中内置的窗口做一个分类说明。

1. 按照驱动类型分类

窗口本身是截取有界数据的一种方式，所以窗口一个非常重要的信息其实就是“怎样截取
数据”。换句话说，就是以什么标准来开始和结束数据的截取，我们把它叫作窗口的“驱动类
型”。
我们最容易想到的就是按照时间段去截取数据，这种窗口就叫作“时间窗口”（Time
Window）。这在实际应用中最常见，之前所举的例子也都是时间窗口。除了由时间驱动之外，
窗口其实也可以由数据驱动，也就是说按照固定的个数，来截取一段数据集，这种窗口叫作“计
数窗口”（Count Window），如图所示。

（1）时间窗口（Time Window）

时间窗口以时间点来定义窗口的开始（start）和结束（end），所以截取出的就是某一时间
段的数据。到达结束时间时，窗口不再收集数据，触发计算输出结果，并将窗口关闭销毁。
用结束时间减去开始时间，得到这段时间的长度，就是窗口的大小（window size）。这里
的时间可以是不同的语义，所以我们可以定义处理时间窗口和事件时间窗口。
Flink 中有一个专门的类来表示时间窗口，名称就叫作 TimeWindow。这个类只有两个私
有属性：start和end，表示窗口的开始和结束的时间戳，单位为毫秒。

private final long start; 
private final long end; 

我们可以调用公有的getStart()和getEnd()方法直接获取这两个时间戳。另外，TimeWindow
还提供了一个maxTimestamp()方法，用来获取窗口中能够包含数据的最大时间戳。

我们可以调用公有的getStart()和getEnd()方法直接获取这两个时间戳。另外，TimeWindow
还提供了一个maxTimestamp()方法，用来获取窗口中能够包含数据的最大时间戳。

很明显，窗口中的数据，最大允许的时间戳就是end - 1，这也就代表了我们定义的窗口
时间范围都是左闭右开的区间[start，end)。

（2）计数窗口（Count Window）

计数窗口基于元素的个数来截取数据，到达固定的个数时就触发计算并关闭窗口。每个窗
口截取数据的个数，就是窗口的大小。
计数窗口相比时间窗口就更加简单，我们只需指定窗口大小，就可以把数据分配到对应的
窗口中了。在Flink内部也并没有对应的类来表示计数窗口，底层是通过“全局窗口”（Global
Window）来实现的。

2. 按照窗口分配数据的规则分类

时间窗口和计数窗口，只是对窗口的一个大致划分；在具体应用时，还需要定义更加精细
的规则，来控制数据应该划分到哪个窗口中去。不同的分配数据的方式，就可以有不同的功能
应用。
根据分配数据的规则，窗口的具体实现可以分为4类：滚动窗口（Tumbling Window）、
滑动窗口（Sliding Window）、会话窗口（Session Window），以及全局窗口（Global Window）。
（1）滚动窗口（Tumbling Windows）
滚动窗口有固定的大小，是一种对数据进行“均匀切片”的划分方式。窗口之间没有重叠，
也不会有间隔，是“首尾相接”的状态。如果我们把多个窗口的创建，看作一个窗口的运动，
那就好像它在不停地向前“翻滚”一样。这是最简单的窗口形式，我们之前所举的例子都是滚
动窗口。
滚动窗口可以基于时间定义，也可以基于数据个数定义；需要的参数只有一个，就是窗口
的大小（window size）。比如我们可以定义一个长度为1小时的滚动时间窗口，那么每个小时
就会进行一次统计；或者定义一个长度为10的滚动计数窗口，就会每10个数进行一次统计。

滚动窗口应用非常广泛，它可以对每个时间段做聚合统计，很多BI分析指标都可以用它
来实现。

（2）滑动窗口（Sliding Windows）

与滚动窗口类似，滑动窗口的大小也是固定的。区别在于，窗口之间并不是首尾相接的，
而是可以“错开”一定的位置。如果看作一个窗口的运动，那么就像是向前小步“滑动”一样。
既然是向前滑动，那么每一步滑多远，就也是可以控制的。所以定义滑动窗口的参数有两
个：除去窗口大小（window size）之外，还有一个“滑动步长”（window slide），它其实就代
表了窗口计算的频率。同样，滑动窗口可以基于时间定义，也可以基于数据个数定义。

我们可以看到，当滑动步长小于窗口大小时，滑动窗口就会出现重叠，这时数据也可能会
94
被同时分配到多个窗口中。而具体的个数，就由窗口大小和滑动步长的比值（size/slide）来决
定。所以，滑动窗口其实是固定大小窗口的更广义的一种形式。
在一些场景中，可能需要统计最近一段时间内的指标，而结果的输出频率要求又很高，甚
至要求实时更新，比如股票价格的24小时涨跌幅统计，或者基于一段时间内行为检测的异常
报警。这时滑动窗口无疑就是很好的实现方式。

（3）会话窗口（Session Windows）

会话窗口顾名思义，是基于“会话”（session）来来对数据进行分组的。这里的会话类似
Web 应用中session 的概念，不过并不表示两端的通讯过程，而是借用会话超时失效的机制来
描述窗口。
与滑动窗口和滚动窗口不同，会话窗口只能基于时间来定义。对于会话窗口而言，最重要
的参数就是会话超时时间的长度（size），也就是两个会话窗口之间的最小距离。如果相邻两
个数据到来的时间间隔（Gap）小于指定的大小（size），那说明还在保持会话，它们就属于同
一个窗口；如果gap大于size，那么新来的数据就应该属于新的会话窗口，而前一个窗口就应
该关闭了。在具体实现上，我们可以设置静态固定的大小（size），也可以通过一个自定义的
提取器（gap extractor）动态提取最小间隔gap的值。

在一些类似保持会话的场景下，往往可以使用会话窗口来进行数据的处理统计。

（4）全局窗口（Global Windows）

还有一类比较通用的窗口，就是“全局窗口”。这种窗口全局有效，会把相同key的所有
数据都分配到同一个窗口中。无界流的数据永无止尽，所以这种窗口也没有结束的时候，默认
是不会做触发计算的。如果希望它能对数据进行计算处理，还需要自定义“触发器”（Trigger）。