flink窗口函数原理深入

本文深入探讨Flink SQL中的窗口函数,包括滚动窗口、滑动窗口、会话窗口和OVER窗口,重点解析事件时间和处理时间的概念,并阐述Watermark在处理时间乱序问题中的关键作用。
摘要由CSDN通过智能技术生成

写在前头:

更多大数据相关精彩内容请进我的知识星球,每周定期更新

 正篇

Flink SQL支持四种窗口函数,分别是Window聚合:滚动窗口(TUMBLE)、滑动窗口(HOP)、会话窗口(SESSION),OVER聚合:OVER窗口。

说到是时间窗口操作,那么涉及到Flink SQL可以基于两种时间属性对数据进行窗口聚合。

Event Time:事件时间(数据最原始的创建时间),在给定的数据源中的Schema中,比如我的客流数据一个字段是客流发生时间,那么事件时间就是客流发生该字段。

Processing Time:对事件进行处理的本地系统时间。

(Flink SQL暂不支持)Ingestion Time

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值