概念
一般真实的流都是无界的,处理无界的数据,可以把无限的数据流进行切分,得到有限的数据集进行处理-也就是得到有界流
窗口(window)就是将无限流切割为有限流的一种方式,它会将流数据分发到有限大小的桶(bucket)中进行分析
类型
时间窗口(time window)
1.滑动时间窗口(Sliding Windows)
滑动窗口是滚动窗口的一个更广义的形式,滑动窗口由窗口大小和滑动间隔组成
特点:窗口长度固定,可以有重叠
2.滚动时间窗口(Tumbing windows)
依据固定长度的窗口长度对数据进行切分
特点:时间对齐,窗口长度固定,没有重叠
3.会话窗口(Session Windows)
由一系列事件组合一个指定时间长度的timeout间隙组成,也就是一段时间没有接收到新数据就会生成新的接口
特点:时间无对齐
计数窗口(count window)
1.滚动计数窗口
即窗口长度表示数据条数
2.滑动时间窗口
即窗口长度和滑动长度都表示数据条数
API
1.窗口分配器-window()方法
可以用.windos()来定义一个窗口,然后基于此window去做一些聚合或者其他处理操作,window()方法必须用在keyBy之后
更加简单的定义方法是:.timeWindow()和.countWindow()方法,用于定义时间和计数窗口
window()方法接收的输入参数是一个WindowAssigner
WindowAssigner负责将每条输入的数据分发到正确的window中。flink提供的通用WindowAssigner有:滚动窗口(tumbling window),滑动窗口(sliding window),会话窗口(session window),全局窗口(global window)
2.窗口函数(window function)
window function定义了要对窗口中收集的数据做的计算操作
可以分为两类:
增量聚合函数(incremental aggregation functions)
每条数据到来就进行计算,保持一个简单的状态
ReduceFunction,AggregateFunction
全窗口函数(full window functions)
先把窗口所有数据收集起来,等到计算的时候会遍历所有数据
ProcessWindowFunction
3.其他可选API
.trigger() :触发器
定义window什么时候关闭,触发计算并输出结果
.evictor(): 移除器
定义移除某些数据的逻辑
.allowedLateness(): 允许处理迟到的数据
.sideOutputLateData(): 将迟到的数据放入侧输出流
.getSideOutput():获取侧输出流