Flink Windows窗口简介和使用

很多人不知道什么是Window？有哪些用途？ 
下面我们结合一个现实的例子来说明。

我们先提出一个问题：统计经过某红绿灯的汽车数量之和？ 
假设在一个红绿灯处，我们每隔15秒统计一次通过此红绿灯的汽车数量，如下图： 

可以把汽车的经过看成一个流，无穷的流，不断有汽车经过此红绿灯，因此无法统计总共的汽车数量。但是，我们可以换一种思路，每隔15秒，我们都将与上一次的结果进行sum操作（滑动聚合），如下：

这个结果似乎还是无法回答我们的问题，根本原因在于流是无界的，我们不能限制流，但可以在有一个有界的范围内处理无界的流数据。

因此，我们需要换一个问题的提法：每分钟经过某红绿灯的汽车数量之和？ 
这个问题，就相当于一个定义了一个Window（窗口），window的界限是1分钟，且每分钟内的数据互不干扰，因此也可以称为翻滚（不重合）窗口，如下图： 

第一分钟的数量为8，第二分钟是22，第三分钟是27。。。这样，1个小时内会有60个window。

再考虑一种情况，每30秒统计一次过去1分钟的汽车数量之和：

此时，window出现了重合。这样，1个小时内会有120个window。

扩展一下，我们可以在某个地区，收集每一个红绿灯处汽车经过的数量，然后每个红绿灯处都做一次基于1分钟的window统计，即并行处理：

通常来讲，Window就是用来对一个无限的流设置一个有限的集合，在有界的数据集上进行操作的一种机制。window又可以分为基于时间（Time-based）的window以及基于数量（Count-based）的window。

Flink DataStream API提供了Time和Count的window，同时增加了基于Session的window。同时，由于某些特殊的需要，DataStream API也提供了定制化的window操作，供用户自定义window。

1. Flink的Window类型

Flink基本分有3种window类型：CountWindow，TimeWindow和SessionWindow。
其中，CountWindow和TimeWindow还有滑动与滚动区分。

2.窗口函数有哪些

定义完窗口分配器后，需要指定在每个窗口上执行的计算，这就是窗口函数的职责。
在了解有哪些窗口函数之前，有必要了解Window的聚合分类：
全量聚合：简单点说是等属于窗口的数据到齐之后，才开始进行聚合计算；即全量聚合在未触发之前，会保存之前的状态，在最后窗口触发时，才会进行计算。（所以全量聚合的压力会很大。）
常见的窗口函数：
apply(WindowFunction) --- 不过1.3之后被弃用
process(processWindowFunction)

增量聚合：窗口每进入一条数据，就进行一次计算。

reduce(reduceFunction)；
fold；
aggregate(aggregateFunction)；
sum(key)；min(key)；max(key)
sumBy(key)；minBy(key)；maxBy(key)

我们需要根据业务场景需要，决定使用是全量聚合还是增量聚合，并进一步选择使用哪一种聚合函数。

3.Window何时会被触发

Window何时被触发计算，是由触发器Trigger的onElement方法所决定。

该方法的参数：
（1）element：到达的元素
（2）timestamp：元素达到的时间戳
（3）window：元素将被分配的窗口
（4）context：上下文

以时间类型设置为EventTime之后，触发器就是EventTimeTrigger，对应的onElement方法：

方法很简单：如果当前的watermark已经大于或等于窗口的最大时间戳（即窗口的endTime），那么就会触发窗口计算，并输出结果。
TriggerResult.FIRE：窗口计算并输出结果，尽管未清除窗口，但保留了所有元素。
否则的话，就是注册一个以窗口的最大时间戳为时间的定时器。

window.maxTimestamp()

这里的end是指窗口的结束时间，通常是在WindowAssigner中指定，WindowAssigner有：

以TumblingEventTimeWindows为例：

最后呢，给一个完整的例子：

import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.assigners.GlobalWindows
import org.apache.flink.streaming.api.windowing.triggers.{CountTrigger, PurgingTrigger}
import org.apache.flink.streaming.api.windowing.windows.GlobalWindow


object Window {
  def main(args: Array[String]) {
// set up the execution environment
    val env = StreamExecutionEnvironment.getExecutionEnvironment


    val source = env.socketTextStream("localhost",9000)


    val values = source.flatMap(value => value.split("\\s+")).map(value => (value,1))


    val keyValue = values.keyBy(0)
    // define the count window without purge
    val countWindowWithoutPurge = keyValue.window(GlobalWindows.create()).
      trigger(CountTrigger.of(2))
 
    val countWindowWithPurge = keyValue.window(GlobalWindows.create()).
      trigger(PurgingTrigger.of(CountTrigger.of[GlobalWindow](2)))


    countWindowWithoutPurge.sum(1).print()
    countWindowWithPurge.sum(1).print()
    env.execute()
// execute program
    env.execute("Flink Scala API Skeleton")
  }
}