Window的概念

窗口窗口的分类 Window API

窗口分配器（window assigner）窗口函数（window function）其它可选 API

Window的概念 窗口

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

---

窗口的分类

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

---

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

滑动窗口可以看作是一个特殊的滚动窗口（滑动间隔等于大小的）

---

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

跳转顶部

---

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。

dataStream.keyBy("id") .timeWindow(Time.seconds(15)) .min("temp");

---

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）

如何创建各个窗口？

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

自定义AggregateFunction

SingleOutputStreamOperator aggregate = dataStream .keyBy("id") .timeWindow(Time.seconds(15)) .aggregate(new AggregateFunction() { @Override public Integer createAccumulator() { return 0; } @Override public Integer add(SenSorReading senSorReading, Integer integer) { return integer + 1; } @Override public Integer getResult(Integer integer) { return integer; } @Override public Integer merge(Integer integer, Integer acc1) { return integer + acc1; } });

自定义WindowFunction

SingleOutputStreamOperator apply = dataStream .keyBy("id") .timeWindow(Time.seconds(15)) .apply(new WindowFunction() { @Override public void apply(Tuple tuple, TimeWindow timeWindow, Iterable iterable, Collector collector) throws Exception { Integer count = IteratorUtils.toList(iterable.iterator()).size(); collector.collect(count); } });

---

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

练习

OutputTag late = new OutputTag<>("late"); dataStream .keyBy("id") .timeWindow(Time.seconds(15)) .allowedLateness(Time.minutes(1))//允许超市一分钟 .sideOutputLateData(late);//超时的数据单独分成与i个流

跳转顶部

---