简单谈谈flink窗口的分类有哪些？

上篇：初入认识flink窗口运算与时间类型概述

讲解之前，GlobalWindow是干啥用的？其实，它就是一个按照指定的数据条数生成一个Window，与时间无关。话不多说，直接来看看flink窗口那玩意的东西是干啥用的？

主要讲解：

TimeWindow

Non-Keyed和Keyed Windows

一、TimeWindow

1、概述

按照时间生成Window，可以根据窗口实现原理的不同分成三类

1.1、滚动窗口（Tumbling Window）

（1）定义

• 将数据依据固定的窗口⻓度对数据进行切片

（2）特点

• 时间对⻬
• 窗口⻓度固定
• 没有重叠

（3）分配器

• 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

1.2、滑动窗口（Sliding Window）





（1）定义

• 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⻓度和滑动间隔组成

（2）特点

• 时间对⻬
• 窗口⻓度固定
• 有重叠

（3）分配器

• 滑动窗口分配器将元素分配到固定⻓度的窗口中，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

1.3、会话窗口（Session Window）

（1）定义

• 由一系列事件组合一个指定时间⻓度的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

（2）特点

• 时间无对⻬

（3）分配器

• 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⻓度
• 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

---

二、Non-Keyed和Keyed Windows

2.1、Non-Keyed（未分组的Widnows）

2.1.1、概述

（1） 在划分Window之前，首先要确定该DataStream是否调用了key算子将数据按照key进行分组了

（2）如果没有调用keyBy算子，可以调用windowAll方法的返回一个AllWindowedStream，这种window叫做Non-Keyed Windows（未分组的Widnows）

2.1.2、特点

（1）在某一个具体的窗口，所有的数据都会被窗口算子路由到一个subtask中进行运算

（2）如果并行度大于1，下一次生成的window的数据会被路由到其他的subtask中进行运算

2.1.3、方法调用顺序和方法说明

stream.windowAll(…)	必选方法: 指定相应的窗口分配器
[.trigger(…)]	可选方法: 指定触发器，如果不指定有默认的触发器
[.evictor(…)]	可选方法: 指定剔除器，如果不指定有默认的剔除器
[.allowedLateness(…)]	可选方法: 指定延迟触发时间，如果不指定，默认为0
[.sideOutputLateData(…)]	可选方法: 指定延迟数据的侧流输出的Tag
.sum/reduce/aggregate/fold/apply()	必选方法: 指定窗口函数
[.getSideOutput(…)]	可选方法: 指定侧流数据的Tag

2.1.4、调用的方法

windowAll()	windowAll()：
trigger()	指定触发器，如果不指定有默认的触发器
allowedLateness()	指定延迟触发时间，如果不指定，默认为0
sideOutputLateData()	指定延迟数据的侧流输出的tag，用来筛选出打上指定tag的迟到数据
sum/reduce/aggregate/fold/apply()	指定窗口函数，窗口触发时会应该改函数对窗口中的数据进行计算
getSideOutput()	指定侧流数据的tag，筛选出指定tag类型的数据

2.2、Keyed Windows（分组的Widnows）

2.2.1、概述

如果事先已经调用了keyBy算子，即对KeyedStream可以调用window方法返回一个WindowedStream，这种window叫做Keyed Windows（分组的Widnows）

2.2.2、特点

（1）窗口中的数据会根据key进行分组，key相同的数据一定会被分到同一个组内，并被路由到同一个subtask中，一个key对应一个组，一个subtask中可以有零到多个组

（2）窗口触发会对每个组进行计算，每个组都会得到一个结果

2.2.3、方法调用顺序和方法说明

stream.keyKey(…)	先对DataStream调用keyBy得到keyedStream
.window(…)	必选方法: 指定相应的窗口分配器
[.trigger(…)]	可选方法: 指定触发器，如果不指定有默认的触发器
[.evictor(…)]	可选方法: 指定剔除器，如果不指定有默认的剔除器
[.allowedLateness(…)]	可选方法: 指定延迟触发时间，如果不指定，默认为0
[.sideOutputLateData(…)]	可选方法: 指定延迟数据的测流输出的Tag
.sum/reduce/aggregate/fold/apply()	必选方法: 指定窗口函数
[.getSideOutput(…)]	可选方法: 指定测流数据的Tag

2.2.4、调用的方法

keyBy()	按照key进行分组，参数为一或多个分组字段
windw()	划分keyed Windows，参数为指定的Window Assinger

说明：

• 由于调用windowAll/window算子后会生成会生成WindowedStream/WindowedStream，所以窗口算也是属于Transformation