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