深入浅出Flink 11 之 Window

本文深入探讨了Flink中的Window概念,用于处理无限流的聚合操作。介绍了时间驱动和数据驱动的Window,包括tumbling windows(无重叠)、sliding windows(有重叠)、session windows和global windows,并通过实例解释了它们的区别和应用场景。
摘要由CSDN通过智能技术生成

1 Window概述

聚合事件(⽐如计数、求和)在流上的⼯作⽅式与批处理不同。⽐如,对流中的所有元素进⾏计数是不
可能的,因为通常流是⽆限的(⽆界的)。所以,流上的聚合需要由 window 来划定范围,⽐如 “计算
过去的5分钟” ,或者 “最后100个元素的和” 。window是⼀种可以把⽆限数据切割为有限数据块的⼿
段。
窗⼝可以是 时间驱动的 【Time Window】(⽐如:每30秒)或者 数据驱动的【Count Window】 (⽐
如:每100个元素)。
在这里插入图片描述

2 Window类型

窗⼝通常被区分为不同的类型:
tumbling windows:滚动窗⼝ 【没有重叠】
sliding windows:滑动窗⼝ 【有重叠】
session windows:会话窗⼝
global windows: 没有窗⼝

2.1 tumblingwindows:滚动窗⼝【没有重叠】

在这里插入图片描述

2.2 slidingw

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值