Flink Window

1.window 概述

• streaming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
• Window窗口就在一个无界流中设置起始位置和终止位置，让无界流变成有界流，并且在有界流中进行
  数据处理
• Window操作常见的业务场景：统计过去一段时间、最近一些元素的数据指标

---

2.window 窗口的类型

2.1 根据数据流是否keyBy划分 Keyed vs Non-Keyed Windows

• 要指定是否是 Keyed windows 需要在window前指定（可查看下面代码），使用keyBy(…)会将无界流分组为逻辑键流。如果keyBy(…)未调用，则不会为您的流根据key来分组。
• 对stream分流之后，可以使窗口化计算可以由多个任务并行执行（也就是说可以分流到不同slot 甚至是不同的机器上面去做并行计算），因为每个逻辑键控流都可以根据key分流独立于其余逻辑流进行处理。而引用同一键的所有元素将被发送到同一并行任务。
  对于没有keyBy的流，原始流将不会拆分为多个逻辑流，并且所有窗口逻辑将由单个任务执行，即并行度为1（假如前面的DataStream没有设置多并行情况下）
• flink的设计是先分流再做窗口，Google Dataflow 是先窗口再分流

Keyed Windows

stream
       .keyBy(...)               <-  keyed versus non-keyed windows
       .window(...)              <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/fold/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"

-----------------------------------------------------------------------------------------------------------------------

Non-Keyed Windows

stream
       .windowAll(...)           <-  required: "assigner"
      [.trigger(...)]            <-  optional: "trigger" (else default trigger)
      [.evictor(...)]            <-  optional: "evictor" (else no evictor)
      [.allowedLateness(...)]    <-  optional: "lateness" (else zero)
      [.sideOutputLateData(...)] <-  optional: "output tag" (else no side output for late data)
       .reduce/aggregate/fold/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"

2.2 根据不同的Window Assigners划分

• WindowAssigner 负责将每条输入的数据分发到正确的 window 中。这是通过 在window(…)（针对KeyedStream）或windowAll()（针对DataStream）传入不同的WindowAssigner来完成的。window() 方法接收的输入参数是一个 WindowAssigner。WindowAssigner负责将每个传入元素分配给一个或多个窗口（滑动窗口，有些元素可能需要复制到多个窗口中）。

• Flink中根据比较常见的场景提供了一些WindowAssigner：tumbling windows, sliding windows, session windows and global windows 。也可以通过实现WindowAssigner class来自定义一些窗口分配器。

• 所有flink定义的窗口分配器（全局窗口除外）都是基于时间将元素分配给窗口。这个时间的定义可以是 processing time，也可以是event time。在生产需求中，大部分使用event time 。关于时间的定义以及水位的定义，会在后面的文章涉及到。

• 下面简单介绍下flink提供的常用的WindowAssigner
  下面用的图显示了每种WindowAssigner的工作情况。紫色圆圈表示流的元素，这些元素由某个键（在这种情况下为用户1，用户2和用户3）划分。x轴显示时间进度。

tumbling windows, sliding windows, session windows and global windows

2.2.1 滚动窗口（Tumbling Windows）

• 将数据依据固定的窗口长度对数据进行切片。
• 特点：时间对齐，窗口长度固定，没有重叠。
• 滚动窗口分配器将每个元素分配到一个指定窗口大小的窗口中，滚动窗口有一个固定的大小，并且不会出现重叠。例如：如果你指定了一个5分钟大小的window size，窗口的创建如下图所示：
  
• 适用场景：适合做BI统计等（做每个时间段的聚合计算）。
• 官网提供的代码

val input: DataStream[T] = ...

// tumbling event-time windows
input
    .keyBy()
    .window(TumblingEventTimeWindows.of(Time.seconds(5)))
    .()

// tumbling processing-time windows
input
    .keyBy()
    .window(TumblingProcessingTimeWindows.of(Time.seconds(5)))
    .()

// daily tumbling event-time windows offset by -8 hours.
input
    .keyBy()
    .window(TumblingEventTimeWindows.of(Time.days(1), Time.hours(-8)))
    .()

通过静态方法TumblingEventTimeWindows.of来实例化TumblingEventTimeWindows类，可以通过源码看到TumblingEventTimeWindows构造是有两个参数

 private TumblingProcessingTimeWindows(long size, long offset) {
		...
}

时间间隔可以通过指定Time.milliseconds(x)，Time.seconds(x)， Time.minutes(x)
至于offset 参数，该参数可用于更改窗口的对齐方式。例如，如果没有偏移，则每小时滚动窗口与epoch对齐，即你将获得诸如的窗口 1:00:00.000 - 1:59:59.999，2:00:00.000 - 2:59:59.999等等。如果要更改，可以提供一个偏移量。随着15分钟的偏移量，你会，例如，拿 1:15:00.000 - 2:14:59.999，2:15:00.000 - 3:14:59.999等
一个重要的用例的偏移是窗口调整到比UTC-0时区等。例如，在中国，必须指定的偏移量Time.hours(-8)。

• 简单案例

import java.sql.DriverManager

import org.apache.flink.api.common.functions.ReduceFunction
import org.apache.flink.streaming.api.scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.