Flink 窗口分类

在批处理中，可以等待一批数据都到齐后统一处理。但Flink是一种流式计算引擎，处理无界数据流，数据源源不断、无穷无尽，想要更加高效地处理无界流，可以将无限数据切割成有限的 数据块 进行处理，即窗口。

窗口的理解

窗口：就是划定的一段时间范围，窗口计算就是对在这范围内的数据进行处理。

正确理解：在Flink中，窗口并不是一个框，而是把流切割成有限大小的多个 存储桶(bucket)，每个数据都会分发到对应的桶中，当到达窗口结束时间时，就对每个桶中收集的数据进行计算处理。(类似水桶接水，满了 或 到时间了 换下一个桶，动态创建)。

误解：在Flink中，窗口就是用来处理无界流的核心。把窗口想象成一个固定位置的框，数据源源不断地流过来，到某个时间点窗口该关闭了，就停止收集数据、触发计算并输出结果。但是0-10秒的窗口可以表示为[0,10)，左闭右开，乱序+迟到数据，需要延迟2秒，把11秒数据放在[0,10)也不合适，计算错误。

窗口分类

按窗口的驱动类型分：窗口本身是截取有界数据的一种方式，怎样截取数据，即开始和结束数据的截取的标准。

1 时间窗口(Time Window)：以时间点来定义窗口的开始和结束，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。定点发车。

2 计数窗口(Count Window)：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。人齐发车。

按窗口分配数据的规则分：滚动窗口(Tumbling Window)、滑动窗口(Sliding Window)、会话窗口(Session Window)、全局窗口(Global Window)。

滚动窗口

1 滚动窗口有固定的大小，对数据进行 均匀切片。窗口之间没有重叠，也不会有间隔，是 首尾相接 的状态。每个数据都会被分配到一个窗口，且只会属于一个窗口。

只有一个参数：窗口的大小(window size)。

可以基于时间定义，也可以基于数据个数定义；比如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。

应用广泛，适合对每个时间段做聚合统计，很多B1分析指标都可以用它来实现。

滑动窗口

2 滑动窗口的大小固定。窗口之间并不是首尾相接的，可以错开一定的位置。

两个参数：窗口大小(window size)、滑动步长(window slide)即窗口计算的频率。窗口在结束时间触发计算输出结果，那么滑动步长就代表了计算频率。

滑动步长<窗口大小时，滑动窗口就会出现重叠，数据可能会被同时分配到多个窗口中。而具体个数由窗口大小和滑动步长的比值(size/slide)来决定。

窗口大小=滑动步长时变为滚动窗口。

适合计算结果更新频率非常高的场景。

会话窗口

3 会话窗口：基于会话(session)来对数据进行分组的。

只能基于时间来定义，窗口大小不固定，开始和结束时间不确定，各个分区之间窗口没有任何关联，会话窗口之间不会重叠，间隔为session gap。

重要参数：会话的超时时间gap，即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)<指定的大小(size)，说明还在保持会话，属于同一个窗口；如果gap>size，新来的数据属于新的会话窗口，而前一个窗口就应该关闭了。

适合一些类似保持会话的场景。

全局窗口

4 全局窗口：全局有效，会把相同key的所有数据都分配到同一个窗口中。这种窗口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)。

没有结束的时间点，一般在希望做更加灵活的窗口处理时自定义使用。Flink中的计数窗口(Count Window)，底层就是用全局窗口实现的。