（1）窗口概述
在流处理应用中，数据是连续不断的，因此我们不可能等到所有数据都到了才开始处理。 当然我们可以每来一个消息就处理一次，但是有时我们需要做一些聚合类的处理，例如：在 过去的 1 分钟内有多少用户点击了我们的网页。在这种情况下，我们必须定义一个窗口，用 来收集最近一分钟内的数据，并对这个窗口内的数据进行计算。
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 窗口是一种切割无限数据为有限块进行处理的 手段。
在 Flink 中, 窗口(window)是处理无界流的核心. 窗口把流切割成有限大小的多个"存 储桶"(bucket), 我们在这些桶上进行计算.
（2）窗口的分类
窗口分为 2 类:
1. 基于时间的窗口(时间驱动)
2. 基于元素个数的(数据驱动)
（2.1）基于时间的窗口
时间窗口包含一个开始时间戳(包括)和结束时间戳(不包括), 这两个时间戳一起限制 了窗口的尺寸.
在代码中, Flink 使用 TimeWindow 这个类来表示基于时间的窗口. 这个类提供了 key 查询开始时间戳和结束时间戳的方法, 还提供了针对给定的窗口获取它允许的最大时间差 的方法(maxTimestamp())
时间窗口又分 4 种:
（2.1.1）滚动窗口(Tumbling Windows)
滚动窗口有固定的大小, 窗口与窗口之间不会重叠也没有缝隙.比如,如果指定一个长度为 5 分钟的滚动窗口, 当前窗口开始计算, 每 5 分钟启动一个新的窗口.
滚动窗口能将数据流切分成不重叠的窗口， 每一个事件只能属于一个窗口 。
示例代码:
package com.aikfk.flink.datastream.window; import org.apache.flink.api.common.functions.FlatMapFunction; import org.apache.flink.api.common.functions.ReduceFunction; import org.apache.flink.api.java.tuple.Tuple2; import org.apache.flink.streaming.api.datastream.*; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows; import org.apache.flink.streaming.api.windowing.time.Time; import org.apache.flink.streaming.api.windowing.windows.TimeWindow; import org.apache.flink.util.Collector; /** * @author ：caizhengjie * @description：TODO * @date ：2021/3/19 10:10 上午 */ public class TimeTumbling { public static void main(String[] args) throws Exception { //1.获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); //2.读取端口数据 DataStreamSource<String> socketTextStream = env.socketTextStream("bigdata-pro-m07",9999); //3.压平并转换为元组 SingleOutputStreamOperator<Tuple2<String, Integer>> wordToOneDS = socketTextStream.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() { @Override public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception { String[] words = value.split(" "); for (String word : words) { out.collect(new Tuple2<>(word, 1)); } } }); //4.按照单词分组 KeyedStream<Tuple2<String, Integer>, String> keyedStream = wordToOneDS.keyBy(data -> data.f0); //5.添加滚动窗口 WindowedStream<Tuple2<String, Integer>, String, TimeWindow> windowedStream = keyedStream.window(TumblingProcessingTimeWindows.of(Time.seconds(5))); /** * 6.增量聚合窗口计算方式一：reduce */ DataStream<Tuple2<String,Integer>> result = windowedStream.reduce(new ReduceFunction<Tuple2<String, Integer>>() { @Override public Tuple2<String, Integer> reduce(Tuple2<String, Integer> t1, Tuple2<String, Integer> t2) throws Exception { return new Tuple2<>(t1.f0,t1.f1 + t2.f1); } }); //7.打印 result.print(); //8.执行任务 env.execute(); } }
说明:
时间间隔可以通过: Time.milliseconds(x), Time.seconds(x), Time.minutes(x)
我们传递给 window 函数的对象叫 窗口分配器 .
（2.1.2）滑动窗口(Sliding Windows)
与滚动窗口一样, 滑动窗口也是有固定的长度. 另外一个参数我们叫滑动步长, 用来 控制滑动窗口启动的频率.
所以, 如果滑动步长小于窗口长度, 滑动窗口会重叠. 这种情况下, 一个元素可能会 被分配到多个窗口中
例如, 滑动窗口长度 10 分钟, 滑动步长 5 分钟, 则, 每 5 分钟会得到一个包含最近 10 分钟的数据.
示例代码:
//5.开滑动窗，6s窗口，2s聚合一次 WindowedStream<Tuple2<String, Integer>, String, TimeWindow> windowedStream = keyedStream .window(SlidingProcessingTimeWindows.of(Time.seconds(6),Time.seconds(2)));
（2.1.3）会话窗口(Session Windows)
会话窗口分配器会根据活动的元素进行分组. 会话窗口不会有重叠, 与滚动窗口和滑 动窗口相比, 会话窗口也没有固定的开启和关闭时间.
如果会话窗口有一段时间没有收到数据, 会话窗口会自动关闭, 这段没有收到数据的 时间就是会话窗口的 gap(间隔)
我们可以配置静态的 gap, 也可以通过一个 gap extractor 函数来定义 gap 的长度. 当时间超过了这个 gap, 当前的会话窗口就会关闭, 后序的元素会被分配到一个新的会话 窗口
示例代码:
1.静态 gap
//5.开启会话窗口，会话间隔时间为5s WindowedStream<Tuple2<String, Integer>, String, TimeWindow> windowedStream = keyedStream .window(ProcessingTimeSessionWindows.withGap(Time.seconds(5 )));
- 动态 gap
.window(ProcessingTimeSessionWindows.withDynamicGap(new SessionWindowTimeGapExtractor<Tuple2<String, Long>>() { @Override public long extract(Tuple2<String, Long> element) { // 返回 gap值, 单位毫秒 return element.f0.length() * 1000; } }))
创建原理:
因为会话窗口没有固定的开启和关闭时间, 所以会话窗口的创建和关闭与滚动,滑动窗 口不同. 在 Flink 内部, 每到达一个新的元素都会创建一个新的会话窗口, 如果这些窗口 彼此相距比较定义的 gap 小, 则会对他们进行合并. 为了能够合并, 会话窗口算子需要合并触发器和合并窗口函数:ReduceFunction, AggregateFunction, or ProcessWindowFunction
（2.1.4）全局窗口(Global Windows)
全局窗口分配器会分配相同 key 的所有元素进入同一个 Global window. 这种窗口机制 只有 指定自定义的触发器 时才有用. 否则, 不会做任务计算, 因为这种窗口没有能够处理聚 集在一起元素的结束点.
示例代码:
.window(GlobalWindows.create());
（2.2）基于元素个数的窗口
按照指定的数据条数生成一个 Window，与时间无关，分 2 类:
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。
示例代码:
//5.开启计数的滚动窗口 WindowedStream<Tuple2<String, Integer>, String, GlobalWindow> windowedStream = keyedStream.countWindow(5L);
说明:那个窗口先达到 3 个元素, 哪个窗口就关闭. 不影响其他的窗口.
（2.2.2）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 最多 是 3 个 元素。
示例代码:
//5.开启计数的滚动窗口 WindowedStream<Tuple2<String, Integer>, String, GlobalWindow> windowedStream = keyedStream.countWindow(5L, 2L);
（3）Window Function
前面指定了窗口的分配器, 接着我们需要来指定如何计算, 这事由 window function 来 负责. 一旦窗口关闭, window function 去计算处理窗口中的每个元素.
window function 可以是 ReduceFunction,AggregateFunction, ProcessWindowFunction 中的任意一种.
ReduceFunction,AggregateFunction 更加高效, 原因就是 Flink 可以对到来的元素进 行 增量聚合 . ProcessWindowFunction 可以得到一个包含这个窗口中所有元素的迭代器, 以及这些元素所属窗口的一些元数据信息.
ProcessWindowFunction 不能被高效执行的原因是 Flink 在执行这个函数之前, 需要在 内部缓存这个窗口上所有的元素
ReduceFunction(增量聚合函数)
/** * 6.增量聚合窗口计算方式一：reduce */ DataStream<Tuple2<String,Integer>> result1 = windowedStream.reduce(new ReduceFunction<Tuple2<String, Integer>>() { @Override public Tuple2<String, Integer> reduce(Tuple2<String, Integer> t1, Tuple2<String, Integer> t2) throws Exception { return new Tuple2<>(t1.f0,t1.f1 + t2.f1); } });
AggregateFunction(增量聚合函数)
/** * 6.增量聚合窗口计算方式三：aggregate * 既能进行增量聚合，又能拿到窗口信息 */ DataStream<Tuple2<String, Integer>> result3 = windowedStream.aggregate(new AggregateFunction<Tuple2<String, Integer>, Integer, Integer>() { // 创建累加器: 初始化中间值 @Override public Integer createAccumulator() { return 0; } // 累加器操作 @Override public Integer add(Tuple2<String, Integer> stringIntegerTuple2, Integer integer) { return integer + 1; } // 获取结果 @Override public Integer getResult(Integer integer) { return integer; } // 累加器的合并: 只有会话窗口才会调用 @Override public Integer merge(Integer a, Integer b) { return a + b; } }, new WindowFunction<Integer, Tuple2<String, Integer>, String, TimeWindow>() { @Override public void apply(String key, TimeWindow timeWindow, Iterable<Integer> iterable, Collector<Tuple2<String, Integer>> collector) throws Exception { // 取出迭代器中的数据 Integer next = iterable.iterator().next(); // 输出数据并计算出窗口时间(既能进行增量聚合，又能拿到窗口信息) collector.collect(new Tuple2<>(new Timestamp(timeWindow.getStart()) + ":" + key,next)); } });
ProcessWindowFunction(全窗口函数)
/** * 6.全量聚合窗口计算方式二：process * 进行全量聚合，拿到窗口信息 */ DataStream<Tuple2<String,Integer>> result5 = windowedStream.process( new ProcessWindowFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, String, TimeWindow>() { @Override public void process(String key, Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<Tuple2<String, Integer>> collector) throws Exception { // 取出迭代器的长度 ArrayList<Tuple2<String, Integer>> arrayList = Lists.newArrayList(iterable.iterator()); // 输出数据并计算出窗口时间（进行全量聚合，拿到窗口信息） collector.collect(new Tuple2<>(new Timestamp(context.window().getStart()) + ":" + key,arrayList.size())); } });
总代码：
package com.aikfk.flink.datastream.window; import org.apache.commons.compress.utils.Lists; import org.apache.flink.api.common.functions.AggregateFunction; import org.apache.flink.api.common.functions.FlatMapFunction; import org.apache.flink.api.common.functions.ReduceFunction; import org.apache.flink.api.java.tuple.Tuple2; import org.apache.flink.streaming.api.datastream.*; import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment; import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction; import org.apache.flink.streaming.api.functions.windowing.WindowFunction; import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows; import org.apache.flink.streaming.api.windowing.time.Time; import org.apache.flink.streaming.api.windowing.windows.TimeWindow; import org.apache.flink.util.Collector; import java.sql.Timestamp; import java.util.ArrayList; /** * @author ：caizhengjie * @description：TODO * @date ：2021/3/19 10:10 上午 */ public class TimeWindowFunction { public static void main(String[] args) throws Exception { //1.获取执行环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setParallelism(1); //2.读取端口数据 DataStreamSource<String> socketTextStream = env.socketTextStream("bigdata-pro-m07",9999); //3.压平并转换为元组 SingleOutputStreamOperator<Tuple2<String, Integer>> wordToOneDS = socketTextStream.flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() { @Override public void flatMap(String value, Collector<Tuple2<String, Integer>> out) throws Exception { String[] words = value.split(" "); for (String word : words) { out.collect(new Tuple2<>(word, 1)); } } }); //4.按照单词分组 KeyedStream<Tuple2<String, Integer>, String> keyedStream = wordToOneDS.keyBy(data -> data.f0); //5.开窗 WindowedStream<Tuple2<String, Integer>, String, TimeWindow> windowedStream = keyedStream.window(TumblingProcessingTimeWindows.of(Time.seconds(5))); /** * 6.增量聚合窗口计算方式一：reduce */ DataStream<Tuple2<String,Integer>> result1 = windowedStream.reduce(new ReduceFunction<Tuple2<String, Integer>>() { @Override public Tuple2<String, Integer> reduce(Tuple2<String, Integer> t1, Tuple2<String, Integer> t2) throws Exception { return new Tuple2<>(t1.f0,t1.f1 + t2.f1); } }); /** * 6.增量聚合窗口计算方式二：map */ DataStream<Tuple2<String,Integer>> result2 = windowedStream.sum(1); /** * 6.增量聚合窗口计算方式三：aggregate * 既能进行增量聚合，又能拿到窗口信息 */ DataStream<Tuple2<String, Integer>> result3 = windowedStream.aggregate(new AggregateFunction<Tuple2<String, Integer>, Integer, Integer>() { // 创建累加器: 初始化中间值 @Override public Integer createAccumulator() { return 0; } // 累加器操作 @Override public Integer add(Tuple2<String, Integer> stringIntegerTuple2, Integer integer) { return integer + 1; } // 获取结果 @Override public Integer getResult(Integer integer) { return integer; } // 累加器的合并: 只有会话窗口才会调用 @Override public Integer merge(Integer a, Integer b) { return a + b; } }, new WindowFunction<Integer, Tuple2<String, Integer>, String, TimeWindow>() { @Override public void apply(String key, TimeWindow timeWindow, Iterable<Integer> iterable, Collector<Tuple2<String, Integer>> collector) throws Exception { // 取出迭代器中的数据 Integer next = iterable.iterator().next(); // 输出数据并计算出窗口时间(既能进行增量聚合，又能拿到窗口信息) collector.collect(new Tuple2<>(new Timestamp(timeWindow.getStart()) + ":" + key,next)); } }); /** * 6.全量聚合窗口计算方式一：apply * 进行全量聚合，拿到窗口信息 */ DataStream<Tuple2<String,Integer>> result4 = windowedStream.apply(new WindowFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, String, TimeWindow>() { @Override public void apply(String key, TimeWindow timeWindow, Iterable<Tuple2<String, Integer>> iterable, Collector<Tuple2<String, Integer>> collector) throws Exception { // 取出迭代器的长度 ArrayList<Tuple2<String, Integer>> arrayList = Lists.newArrayList(iterable.iterator()); // 输出数据并计算出窗口时间（进行全量聚合，拿到窗口信息） collector.collect(new Tuple2<>(new Timestamp(timeWindow.getStart()) + ":" + key,arrayList.size())); } }); /** * 6.全量聚合窗口计算方式二：process * 进行全量聚合，拿到窗口信息 */ DataStream<Tuple2<String,Integer>> result5 = windowedStream.process( new ProcessWindowFunction<Tuple2<String, Integer>, Tuple2<String, Integer>, String, TimeWindow>() { @Override public void process(String key, Context context, Iterable<Tuple2<String, Integer>> iterable, Collector<Tuple2<String, Integer>> collector) throws Exception { // 取出迭代器的长度 ArrayList<Tuple2<String, Integer>> arrayList = Lists.newArrayList(iterable.iterator()); // 输出数据并计算出窗口时间（进行全量聚合，拿到窗口信息） collector.collect(new Tuple2<>(new Timestamp(context.window().getStart()) + ":" + key,arrayList.size())); } }); //7.打印 result5.print(); //8.执行任务 env.execute(); } }
（4）Keyed vs Non-Keyed Windows
其实, 在用 window 前首先需要确认应该是在 keyBy 后的流上用, 还是在没有 keyBy 的流上使用.
在 keyed streams 上使用窗口, 窗口计算被并行的运用在多个 task 上, 可以认为每个 task 都有自己单独窗口. 正如前面的代码所示.
在非 non-keyed stream 上使用窗口, 流的并行度只能是 1, 所有的窗口逻辑只能在一 个单独的 task 上执行.
.windowAll(TumblingProcessingTimeWindows.of(Time.seconds(10)))
需要注意的是: 非 key 分区的流, 即使把并行度设置为大于 1 的数, 窗口也只能在某 个分区上使用
（5）Trigger触发器
数据接入窗口之后，窗口是否触发WindowFunction计算，取决于窗口是否满足触发条件，每种类型的窗口都有对应的窗口触发机制，保障每一次接入窗口的数据都能按照规定的触发逻辑进行统计计算。
EventTimeTrigge
通过对比Watermark和窗口EndTime确定是否触发窗口，如果Watermark的时间大于WindowsEndTime则触发计算，否则窗口继续等待；
ProcessTimeTrigge
通过对比ProcessTime和窗口EndTime确定是否触发窗口，如果窗口Process大于WindowsEndTime则触发计算，否则窗口继续等待；
CountTrigge
根据接入数据量是否超过设定的阈值确定是否触发窗口计算
（6）Evictors数据剔除器
Evictors是F1ink窗口机制中一个可选的组件，其主要作用是对进入WindowFunction前后的数据进行剔除处理，Flink内部实现了CountEvictor、DeltaEvitor、TimeEvictor三种。
CountEvictor
保持在窗口中具有固定数据量的记录，将超过指定大小的数据在窗口计算前剔除。
DeltaEvictor
通过定义DeltaFucntion和指定threshold，并计算Windows中的元素与最新元素之间的Delta大小，如果超过threshold则将当前数据元素剔除
TimeEvictor
通过指定时间间隔，将当前窗口中最新元素的时间减去Interval，然后将小于该结果的数据全部剔除，其本质是将具有新时间的数据选择出来，删除过时的数据。
