flink 中Window API

1 TimeWindow

TimeWindow 是将指定时间范围内的所有数据组成一个 window ，一次对一个

window 里面的所有数据进行计算。

1. 滚动窗口

Flink 默认的时间窗口根据 Processing Time 进行窗口的划分，将 Flink 获取到的

数据根据进入 Flink 的时间划分到不同的窗口中。

 

时间间隔可以通过 Time.milliseconds(x) ， Time.seconds(x) ， Time.minutes(x) 等其

中的一个来指定。

2. 滑动窗口（ SlidingEventTimeWindows ）

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 5s ，也就是说，每 5s 就计算输出结果一次，

每一次计算的 window 范围是 15s 内的所有元素

 

时间间隔可以通过 Time.milliseconds(x) ， Time.seconds(x) ， Time.minutes(x) 等其

中的一个来指定。

2 CountWindow

CountWindow 根据窗口中相同 key 元素的数量来触发执行，执行时只计算元素

数量达到窗口大小的 key 对应的结果。

注意： CountWindow 的 window_size 指的是相同 Key 的元素的个数，不是输入

的所有元素的总数。

1 滚动窗口

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。

 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 范围是 10 个元素。

 3 window function

window function 定义了要对窗口中收集的数据做的计算操作，主要可以分为两

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。典型的增量聚合函数有

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 就是一个全窗口函数。

4 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

⚫ .evitor() —— 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