1 Window
概述
streaming
流式计算是一种被设计用于处理无限数据集的数据处理引擎,而无限
数据集是指一种不断增长的本质上无限的数据集,而
window
是一种
切割无限数据
为有限块进行处理
的手段。
Window
是无限数据流处理的核心,
Window
将一个无限的
stream
拆分成有限大
小的”
buckets
”桶,我们可以在这些桶上做计算操作。
2 Window
类型
Window
可以分成两类:
➢
CountWindow
:按照指定的数据条数生成一个
Window
,与时间无关。
➢
TimeWindow
:按照时间生成
Window
。
对于
TimeWindow
,可以根据窗口实现原理的不同分成三类:滚动窗口(
Tumbling
Window
)、滑动窗口(
Sliding Window
)和会话窗口(
Session Window
)。
1.
滚动窗口(
Tumbling Windows
)
将数据依据固定的窗口长度对数据进行切片。
特点:时间对齐,窗口长度固定,没有重叠。
滚动窗口分配器将每个元素分配到一个指定窗口大小的窗口中,滚动窗口有一
个固定的大小,并且不会出现重叠。例如:如果你指定了一个
5
分钟大小的滚动窗
口,窗口的创建如下图所示:
适用场景:适合做 BI 统计等(做每个时间段的聚合计算)。
2.
滑动窗口(
Sliding Windows
)
滑动窗口是固定窗口的更广义的一种形式,滑动窗口由固定的窗口长度和滑动
间隔组成。
特点:时间对齐,窗口长度固定,可以有重叠。
滑动窗口分配器将元素分配到固定长度的窗口中,与滚动窗口类似,窗口的大
小由窗口大小参数来配置,另一个窗口滑动参数控制滑动窗口开始的频率。因此,
滑动窗口如果滑动参数小于窗口大小的话,窗口是可以重叠的,在这种情况下元素
会被分配到多个窗口中。
例如,你有
10
分钟的窗口和
5
分钟的滑动,那么每个窗口中
5
分钟的窗口里包
含着上个
10
分钟产生的数据,如下图所示:
适用场景:对最近一个时间段内的统计(求某接口最近
5min
的失败率来决定是
否要报警)。
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,类似于
web
应用的
session
,也就是一段时间没有接收到新数据就会生成新的窗口。
特点:时间无对齐。
session
窗口分配器通过
session
活动来对元素进行分组,
session
窗口跟滚动窗
口和滑动窗口相比,不会有重叠和固定的开始时间和结束时间的情况,相反,当它
在一个固定的时间周期内不再收到元素,即非活动间隔产生,那个这个窗口就会关
闭。一个
session
窗口通过一个
session
间隔来配置,这个
session
间隔定义了非活跃
周期的长度,当这个非活跃周期产生,那么当前的
session
将关闭并且后续的元素将
被分配到新的
session
窗口中去。