Flink笔记10：Flink中的Window

一、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。

二、Window API

1.TimeWindow

TimeWindow 是将指定时间范围内的所有数据组成一个window，一次对一个window 里面的所有数据进行计算。

1）滚动窗口（TumblingEventTimeWindows）

Flink 默认的时间窗口根据Processing Time 进行窗口的划分，将Flink 获取到的数据根据进入Flink 的时间划分到不同的窗口中。

val resultStream = dataStream
      .map( data => (data.id, data.temperature, data.timestamp) )
      .keyBy(_._1)    // 按照二元组的第一个元素（id）分组
      .window( TumblingEventTimeWindows.of(Time.seconds(15)))    // 滚动时间窗口
      .reduce( (curRes, newData) => (curRes._1, curRes._2.min(newData._2), newData._3) )

时间间隔可以通过Time.milliseconds(x)，Time.seconds(x)，Time.minutes(x)等其中的一个来指定。

window是底层方法，也可以使用更简单的通用方法timeWindow(Time.seconds(15))。timeWindow一个参数代表滚动窗口，两个参数代表滑动窗口。
如果想配置滚动窗口的偏移量就只能使用window方法，偏移量主要用于时区转换，比如说我们处于东八区，比标准的伦敦时间早8个小时。
window( TumblingEventTimeWindows.of(Time.seconds(15),Time.hours(-8)))

2）滑动窗口（SlidingEventTimeWindows）

滑动窗口也可以使用timeWindow方法，只是在传参数时需要传入两个参数，一个是window_size，一个是sliding_size。
下面代码中的sliding_size 设置为了5s，也就是说，每5s 就计算输出结果一次，每一次计算的window 范围是15s 内的所有元素。

val resultStream = dataStream
      .map( data => (data.id, data.temperature, data.timestamp) )
      .keyBy(_._1)    // 按照二元组的第一个元素（id）分组
      .timeWindow(Time.seconds(15), Time.seconds(5))    // 滑动时间窗口
      .reduce( (curRes, newData) => (curRes._1, curRes._2.min(newData._2), newData._3) )

// 也可以使用window函数
window(SlidingEventTimeWindows.of(Time.seconds(15),Time.seconds(5))

时间间隔可以通过Time.milliseconds(x)，Time.seconds(x)，Time.minutes(x)等其中的一个来指定。

2.CountWindow

CountWindow 根据窗口中相同key 元素的数量来触发执行，执行时只计算元素数量达到窗口大小的key 对应的结果。
注意：CountWindow 的window_size 指的是相同Key 的元素的个数，不是输入的所有元素的总数。

1）滚动窗口

默认的CountWindow 是一个滚动窗口，只需要指定窗口大小即可，当元素数量达到窗口大小时，就会触发窗口的执行。

val resultStream = dataStream
      .map( data => (data.id, data.temperature, data.timestamp) )
      .keyBy(_._1)    // 按照二元组的第一个元素（id）分组
      .countWindow(5)
      .reduce( (curRes, newData) => (curRes._1, curRes._2.min(newData._2), newData._3) )

2）滑动窗口

滑动窗口和滚动窗口的函数名是完全一致的，只是在传参数时需要传入两个参数，一个是window_size，一个是sliding_size。
下面代码中的sliding_size 设置为了2，也就是说，每收到两个相同key 的数据就计算一次，每一次计算的window 范围是10 个元素。

val resultStream = dataStream
      .map( data => (data.id, data.temperature, data.timestamp) )
      .keyBy(_._1)    // 按照二元组的第一个元素（id）分组
      .countWindow(10,2)
      .reduce( (curRes, newData) => (curRes._1, curRes._2.min(newData._2), newData._3) )

3.SessionWindow

SessionWindow使用的也是window方法。

val resultStream = dataStream
      .map( data => (data.id, data.temperature, data.timestamp) )
      .keyBy(_._1)    // 按照二元组的第一个元素（id）分组
      .window( EventTimeSessionWindows.withGap(Time.seconds(10)) ) 
      .reduce( (curRes, newData) => (curRes._1, curRes._2.min(newData._2), newData._3) )

4.window function

window function 定义了要对窗口中收集的数据做的计算操作，主要可以分为两类：

• 增量聚合函数（incremental aggregation functions）
  每条数据到来就进行计算，保持一个简单的状态。典型的增量聚合函数有
  ReduceFunction, AggregateFunction。

• 全窗口函数（full window functions）
  先把窗口所有数据收集起来，等到计算的时候会遍历所有数据。例如需要排序或者中位数。
  ProcessWindowFunction 就是一个全窗口函数。

5.其它可选API

• .trigger() —— 触发器
  定义window 什么时候关闭，触发计算并输出结果
• .evitor() —— 移除器
  定义移除某些数据的逻辑
• .allowedLateness() —— 允许处理迟到的数据
• .sideOutputLateData() —— 将迟到的数据放入侧输出流
• .getSideOutput() —— 获取侧输出流