kafkaStreaming窗口

1. Hopping Time Window （滑动窗口，有重合部分数据）
   该窗口定义如下图所示。它有两个属性，一个是Window size，一个是Advance interval。Window size指定了窗口的大小，也即每次计算的数据集的大小。而Advance interval定义输出的时间间隔。一个典型的应用场景是，每隔5秒钟输出一次过去1个小时内网站的PV或者UV。
   

package kafka_stream;

import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.streams.*;
import org.apache.kafka.streams.kstream.KStream;
import org.apache.kafka.streams.kstream.TimeWindows;

import java.time.Duration;
import java.util.Arrays;
import java.util.Properties;
import java.util.concurrent.CountDownLatch;

/**
 * @Author Cai
 * @date 2020/12/16
 * @Des
 */
public class windowStream {
   
    public static void main(String[] args) {
   
        Properties prop = new Properties();
        prop.put(StreamsConfig.APPLICATION_ID_CONFIG,"windowDemo1");
        prop.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.184.40:9092");
        prop.put(StreamsConfig.COMMIT_INTERVAL_MS_CONFIG,3000);
        prop.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"earliest"); //消费位置
        prop.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,"false");   //自动提交设置
        prop.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
        prop.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG,Serdes.String().getClass());	
		StreamsBuilder builder = new StreamsBuilder();
		KStream<Object, Object> source = builder.stream("hoppingwindowDemo");
		source.flatMapValues(value-> Arrays.asList(value.toString()))
        .map((x,y)->{
   
            return new KeyValue<String,String>(y,"1")