Flink 中的 Window

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。