flinksql之窗口函数1-定时计算

引言

实时任务的处理流程通常分3步，前2步建立好数据源与数据目标，之后再写数据计算的逻辑，完成对流式数据的分析处理，如下图所示：

窗口函数

窗口函数Flink SQL支持基于无限大窗口的聚合（无需显式定义在SQL Query中添加任何的窗口）以及对一个特定的窗口的聚合。

Flink SQL支持的窗口聚合主要是两种：Window聚合和Over聚合。Window聚合支持两种时间属性定义窗口：Event Time和Processing Time。每种时间属性类型支持三种窗口类型：滚动窗口（TUMBLE）、滑动窗口（HOP）和会话窗口（SESSION），本文将以滚动窗口（TUMBLE）为例，详细介绍窗口函数的使用。

-- 滚动窗口【proctime】

-- 2019-09-17 10:52:34

-- moxian

-- 滚动窗口（TUMBLE）将每个元素分配到一个指定大小的窗口中。通常滚动窗口有一个固定的大小，并且不会出现重叠。

-- 例如：如果指定了一个5分钟大小的滚动窗口，无限流的数据会根据时间划分成 [0:00 - 0:05)、 [0:05, 0:10)、 [0:10, 0:15)等窗口

insert into user_clicks_result

select 

 cast(TIMESTAMPADD(HOUR,8,tumble_start(PROCTIME,interval '1' minute)) as varchar) as window_start, --返回窗口的起始时间,如窗口区间[00:00,01:00],返回[00:00]

 cast(TIMESTAMPADD(HOUR,8,tumble_end(PROCTIME,interval '1' minute)) as varchar) as window_end, --返回窗口的起始时间,如窗口区间[00:00,01:00],返回[01:00]

 username,

 cast(count(click_url) as varchar) as clicks

from user_clicks

group by 

 tumble(PROCTIME,interval '1' minute),username --tumble(time-attr,窗口大小)