转载 ：Flink的Process Function 函数 ，processWindowFunction

Flink的Process Function(低层次操作)

Process Function(过程函数)

ProcessFunction是一个低层次的流处理操作，允许返回所有(无环的)流程序的基础构建模块:
　　1、事件(event)(流元素)
　　2、状态(state)(容错性，一致性，仅在keyed stream中)
　　3、定时器(timers)(event time和processing time， 仅在keyed stream中)

ProcessFunction可以认为是能够访问到keyed state和timers的FlatMapFunction，输入流中接收到的每个事件都会调用它来处理。

对于容错性状态，ProcessFunction可以通过RuntimeContext来访问Flink的keyed state，方法与其他状态性函数访问keyed state一样。

定时器允许应用程序对processing time和event time的变化做出反应，每次对processElement(...)的调用都会得到一个Context对象，该对象允许访问元素事件时间的时间戳和TimeServer。TimeServer可以用来为尚未发生的event-time或者processing-time注册回调，当定时器的时间到达时，onTimer(...)方法会被调用。在这个调用期间，所有的状态都会限定到创建定时器的键，并允许定时器操纵键控状态(keyed states)。

注意:如果你想访问一个键控状态(keyed state)和定时器，你需要将ProcessFunction应用到一个键控流(keyed stream)中:

stream.keyBy(...).process(new MyProcessFunction())

低层次的Join(Low-Level Joins)

为了在两个输入流中实现低层次的操作，应用程序可以使用CoProcessFunction，这个函数绑定了两个不同的输入流，并通过分别调用processElement1(...)和processElement2(...)来获取两个不同输入流中的记录。

实现一个低层次的join通常按下面的模式进行:
　　1、为一个输入源(或者两个都)创建一个状态(state)
　　2、在接收到输入源中的元素时更新状态(state)
　　3、在接收到另一个输入源的元素时，探查状态并产生连接结果
例如：你可能将客户数据连接到金融交易中，同时保存客户信息的状态，如果您关心在无序事件的情况下进行完整和确定性的连接，则当客户数据流的水印已经通过交易时，您可以使用计时器来评估和发布交易的连接。

例子

以下示例维护了每个key的计数，并且每一分钟发出一个没有更新key的key/count对。
　　1、count，key和last-modification-timestamp保存在ValueState中，该ValueState由key隐含地限定。
　　2、对于每条记录，ProcessFunction增加counter的计数并设置最后更新时间戳
　　3、该函数还会在未来一分钟内安排回调(基于event time)
　　4、在每次回调时，它会根据存储的count的最后更新时间来检查callback的事件时间，如果匹配的话，就会将key/count对发出来

注意:这个简单的例子可以通过session window来实现，我们这里使用ProcessFunction是为了说明它提供的基本模式。
Java 代码:

import org.apache.flink.api.common.state.ValueState;
import org.apache.flink.api.common.sta