flink的窗口

窗口分类

1.按照驱动类型分类

1. 时间窗口（Time window）

2.计数窗口（Count window）

2.按照窗口分配数据的规则分类

窗口API分类

API调用

窗口分配器器：

窗口函数

增量聚合函数：

全窗口函数

flink sql 窗口函数

窗口 | Apache Flink

窗口分类

1.按照驱动类型分类

1. 时间窗口（Time window）

时间窗口以时间点定义窗口的开始和结束，因此截取出就是某一段时间的数据。当到达结束时间时窗口不在接受数据，触发计算输出结果，并关闭销毁窗口。

flink有一个专门的类用来表示时间窗口TimeWindow,这个类只有两个私有属性；窗口的方法获取最大时间戳为end-1,因此窗口[start,end) 左开右闭；

@PublicEvolving
public class TimeWindow extends Window {private final long start;private final long end;public TimeWindow(long start, long end) {this.start = start;this.end = end;}@Overridepublic long maxTimestamp() {return end - 1;}

2.计数窗口（Count window）

计数窗口是基于元素个数截取,在到达固定个数是就触发计算并关闭窗口。

3.全局窗口（Global Windows）

是计数窗口的底层实现，窗口分配器由GlobalWindows类提供，需要自定义触发器实现窗口的计算；

 stream.keyBy(data -> true).window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(2)))
//                .max().aggregate(new AvgPv()).print();查看源代码，windou函数后见windowStrream时获取默认的触发器
@PublicEvolvingpublic WindowedStream(KeyedStream<T, K> input, WindowAssigner<? super T, W> windowAssigner) {this.input = input;this.builder =new WindowOperatorBuilder<>(windowAssigner,windowAssigner.getDefaultTrigger(input.getExecutionEnvironment()),  //湖区触发器input.getExecutionConfig(),input.getType(),input.getKeySelector(),input.getKeyType());}// 计数窗口底层采用全局窗口加计数器来实现public WindowedStream<T, KEY, GlobalWindow> countWindow(long size) {return window(GlobalWindows.create()).trigger(PurgingTrigger.of(CountTrigger.of(size)));}public WindowedStream<T, KEY, GlobalWindow> countWindow(long size, long slide) {return window(GlobalWindows.create()).evictor(CountEvictor.of(size)).trigger(CountTrigger.of(slide));}

2.按照窗口分配数据的规则分类

滚动窗口（Tumbling Window）：窗口大小固定，窗口没有重叠；

滑动窗口（Sliding Window）：滑动窗口有重叠，也可以没有重叠，如果窗口size和滑动size相等，等于滚动窗口；

会话窗口（Session Window）：基于会话对窗口进行分组，与其他两个不同的是，会话窗口是借用会话窗口的超时失效机触发窗口计算，当数据到来后会开启一个窗口，如果在超时时间内有数据陆续到来，窗口不会关闭,反之会关闭；极端情况，如果数据总能在窗口超时时间到达前远远不断的到来，该窗口会一直开启不会关闭；

全局窗口（Global Window）：比较通用的窗口，该窗口会把数据分配到一个窗口中，窗口为全局有效，会把相同key的数据分配到同一个窗口中，默认不会触发计算，跟没有窗口一样，需要自定义触发器才能使用；

窗口API分类

窗口大的分类可以分为按键分区和非按键分区两种：按键分需要经过keyby操作，会把数据进行分发，实现负载均分，可以并行处理更大的数据量。而非按键分区窗口，相当于并行度为1，使用上直接调用windowall（），因此一般并不推荐使用；

stream
.keyby(...)  //流按键分区
.window(...)  //定义窗口分配器
[.trigger()] //设置出发器
[.evictor()]   //设置移除器
[.allowedLateness()]  // 设置延迟时间
[.sideOutputLateData()]  //设置侧输出流
.reduce/aggregate/fold/apply()  //处理函数
[.getSideOutput()] //获取侧输出流stream
.windowAll(...)  //定义窗口分配器
[.trigger()] //设置出发器
[.evictor()]   //设置移除器
[.allowedLateness()]  // 设置延迟时间
[.sideOutputLateData()]  //设置侧输出流
.reduce/aggregate/fold/apply()  //处理函数
[.getSideOutput()] //获取侧输出流

API调用

窗口操作包含两个重要的概念：窗口分配器(window Assigners）和窗口函数(window function）两部分；

窗口分配器用于构建窗口，确定窗口类型，确定数据划分哪一个窗口，窗口函数制定数据的计算规则；

窗口分配器器：

作用：窗口分配器用来划分窗口属于哪一个窗口；

窗口按照时间可以划分为：滚动、滑动和session，三种类型窗口；

窗口计数划分：滚动和滑动两种类型；

  eventStream.keyBy(data -> data.url).window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5))).aggregate();

窗口函数

窗口函数按照计算特点可以分为增量计算和全量计算；

增量聚合函数：数据到达后立即计算，窗口只保存中间结果。效率高，性能好，但不够灵活。

全量聚合函数：缓存窗口的所有元素，触发后统一计算，效率低，但计算灵活。

增量聚合函数：

数据进入窗口会参与计算，窗口结束前只需要保留一个聚合后的状态值，内存压力小。

1.规约函数（ReduceFunction）：数据保存留一个状态，输入类型和输出类型必须一致，来一条数据会处理将数据合并到状态中；

 stream.keyBy(r -> r.f0)// 设置滚动事件时间窗口.window(TumblingEventTimeWindows.of(Time.seconds(5))).reduce(new ReduceFunction<Tuple2<String, Long>>() {@Overridepublic Tuple2<String, Long> reduce(Tuple2<String, Long> value1, Tuple2<String, Long> value2) throws Exception {// 定义累加规则，窗口闭合时，向下游发送累加结果return Tuple2.of(value1.f0, value1.f1 + value2.f1);}}).print();

sum、max、min等底层都是通过同名AggregateFunction实现（非下面的聚合函数），本质还是实现ReduceFunction结构重写了reduce方法；

2.聚合函数（AggrateFunction）:在规约函数基础上进行完善。解决输出和输入类型必须一致的限制问题。实现应用更灵活；

  // 所有数据设置相同的key，发送到同一个分区统计PV和UV，再相除stream.keyBy(data -> true).window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(2))).aggregate(new AvgPv()).print();public static class AvgPv implements AggregateFunction<Event, Tuple2<HashSet<String>, Long>, Double> {@Overridepublic Tuple2<HashSet<String>, Long> createAccumulator() {// 创建累加器return Tuple2.of(new HashSet<String>(), 0L);}@Overridepublic Tuple2<HashSet<String>, Long> add(Event value, Tuple2<HashSet<String>, Long> accumulator) {// 属于本窗口的数据来一条累加一次，并返回累加器accumulator.f0.add(value.user);return Tuple2.of(accumulator.f0, accumulator.f1 + 1L);}@Overridepublic Double getResult(Tuple2<HashSet<String>, Long> accumulator) {// 窗口闭合时，增量聚合结束，将计算结果发送到下游return (double) accumulator.f1 / accumulator.f0.size();}@Overridepublic Tuple2<HashSet<String>, Long> merge(Tuple2<HashSet<String>, Long> a, Tuple2<HashSet<String>, Long> b) {return null;}}

全窗口函数

全窗口函数会将进入窗口的数据先进行缓存，然后在窗口关闭时一起计算，缓存数据会占用内存资源，如果一个窗口数据量太大时，可能出现内存溢出的问题；

全窗口函数可以划分窗口函数(windowFunction)和处理窗口函数（processWindowFunction）两种；

窗口函数(windowFunction)：老版本通用窗口接口，window()后调用apply(),传入实现windowFunction接口; 缺点是不能获取上下文信息，也没有更高级的功能。因为在功能上可以被processWindowFunction全覆盖，因此主键被弃用；

DataStream<Tuple2<String, Long>> input = ...;input.keyBy(<key selector>).window(<window assigner>).apply(new MyWindowFunction());@Public
public interface WindowFunction<IN, OUT, KEY, W extends Window> extends Function, Serializable {/*** Evaluates the window and outputs none or several elements.** @param key The key for which this window is evaluated.* @param window The window that is being evaluated.* @param input The elements in the window being evaluated.* @param out A collector for emitting elements.* @throws Exception The function may throw exceptions to fail the program and trigger recovery.*/void apply(KEY key, W window, Iterable<IN> input, Collector<OUT> out) throws Exception;
}

处理窗口函数（processWindowFunction）：是窗口API中最底层通用的窗口函数接口，可以获取到上问对象(context）,实现为调用process方法传入自定义继承ProcessWindowFunction类;

input.keyBy(t -> t.f0).window(TumblingEventTimeWindows.of(Time.minutes(5))).process(new MyProcessWindowFunction());/* ... */public class MyProcessWindowFunction extends ProcessWindowFunction<Tuple2<String, Long>, String, String, TimeWindow> {@Overridepublic void process(String key, Context context, Iterable<Tuple2<String, Long>> input, Collector<String> out) {long count = 0;for (Tuple2<String, Long> in: input) {count++;}out.collect("Window: " + context.window() + "count: " + count);}
}

注意：一般增量窗口函数和全量窗口函数可以一起使用，window（）.aggregate()方法可以传入两个函数，第一个采用增量聚合函数，第二个传入全量函数，这样数据在进入窗口会触发增量计算，窗口不会缓存数据。当窗口关闭触发计算时，结果数据穿度到全量计算，参数Iterable中一般只有一个数据；

aggregate(acct1,acct2)

flink sql 窗口函数

flink sql 窗口也包含常见的滚动窗口、滑动窗口、session窗口，但还有一种累计窗口。

在flink1.13版本后flinksql支持累计窗口CUMULATE，可以实现没5分钟触发一次计算，输出当天的累计数据，使用样例

SELECT cast(PROCTIME() as timestamp_ltz) as window_end_time,manufacturer_name,event_id,case when state is null then -1 else state end ,cast(sum(agg)as string ) as agg
FROM TABLE(CUMULATE(TABLE dm_cumulate, DESCRIPTOR(ts1), INTERVAL '5' MINUTES, INTERVAL '1' DAY(9)))
GROUP BYwindow_end,window_start,manufacturer_name,event_id,case when state is null then -1 else state end