Flink window API

Flink window API

窗口（window）

• 一般真实的流都是无界的，怎样处理无界的数据？
• 可以把无限的数据流进行切分，得到有限的数据集进行处理 —— 也就是得到有界流
• 窗口（window）就是将无限流切割为有限流的一种方式，它会将流数据分发到有限大小的桶（bucket）中进行分析

window 类型

• 时间窗口（Time Window）
➢ 滚动时间窗口
➢ 滑动时间窗口
➢ 会话窗口
• 计数窗口（Count Window）
➢ 滚动计数窗口
➢ 滑动计数窗口

滚动窗口（Tumbling Windows）

• 将数据依据固定的窗口长度对数据进行切分
• 时间对齐，窗口长度固定，没有重叠（左闭右开）

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
• 窗口长度固定，可以有重叠

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，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

window API

• 窗口分配器 —— window() 方法
➢ 我们可以用 .window() 来定义一个窗口，然后基于这个 window 去做一些聚合或者其它处理操作。注意 window () 方法必须在 keyBy 之后才能用。
➢ Flink 提供了更加简单的 .timeWindow 和 .countWindow 方法，用于定义时间窗口和计数窗口。

窗口分配器（window assigner）

• window() 方法接收的输入参数是一个 WindowAssigner
• WindowAssigner 负责将每条输入的数据分发到正确的 window 中
• Flink 提供了通用的 WindowAssigner
➢ 滚动窗口（tumbling window）
➢ 滑动窗口（sliding window）
➢ 会话窗口（session window）
➢ 全局窗口（global window）

创建不同类型的窗口

• 滚动时间窗口（tumbling time window）

• 滑动时间窗口（sliding time window）

• 会话窗口（session window）

• 滚动计数窗口（tumbling count window）

• 滑动计数窗口（sliding count window）

窗口函数（window function）

• window function 定义了要对窗口中收集的数据做的计算操作
• 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
• 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
• ProcessWindowFunction，WindowFunction

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
• .evictor() —— 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