18.Flink window API介绍

Leefs 2022-01-20 PM 976℃ 0条

[TOC]

### 一、窗口(window) 概念

![18.Flink window API介绍 01.png](https://lilinchao.com/usr/uploads/2022/01/2396891128.png)

+ 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
+ 无限数据集是指一种不断增长的本质上无限的数据集
+  窗口（window）是一种**切割无限数据为有限块进行处理**的手段

+ Window是无限数据流处理的核心，**Window将一个无限的stream拆分成有限大小的”buckets”桶**，我们可以在这些桶上做计算操作
+ Flink认为Batch是Streaming的一个特例，所以Flink底层引擎是一个流式引擎，在上面实现了流处理和批处理。

+ 窗口（window）就是从 Streaming 到 Batch 的一个桥梁

**场景示例**

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。

- 窗口可以是基于时间驱动的（Time Window，例如：每30秒钟）
- 也可以是基于数据驱动的（Count Window，例如：每一百个元素）

### 二、窗口生命周期

**2.1 概述**

+ 窗口的生命周期，就是从创建到销毁的整个过程。

+ 窗口的开始时间和结束时间是基于自然时间创建的，比如指定一个5s的窗口，那么1分钟内就会创建12个窗口。

**2.2 什么时候窗口会被创建？**

当第一个元素进入到窗口开始时间的时候，这个窗口就被创建了。

**2.3 什么时候窗口会被销毁？**

当时间（ProcessTime、EventTime或者 IngestionTime）越过了窗口的结束时间，再加上用户自定义的窗口延迟时间（allowed lateness），窗口就会被销毁。

**2.4 举例说明窗口生命周期**

> 假设我们定义了一个基于事件时间的窗口，长度是5分钟，并且允许有1分钟的延迟。

**过程分析：**当第一个元素包含了一个12:00的事件时间进来时，Flink会创建一个12:00 到 12:05 的窗口；在水位到 12:06 的时候，会销毁这个窗口。

**2.5 执行过程**

每个窗口都会绑定一个触发器和一个执行函数。

触发器定义了何时会触发窗口的执行函数的计算，比如在窗口元素数量大于等于4的时候，或者水位经过了窗口结束时间的时候。

另外，每个窗口可以指定驱逐器（Evictor），它的作用是在触发器触发后，执行函数执行前，移除一些元素。

### 三、Keyed 和 Non-keyed Window

在定义窗口之前，首先要指定你的流是否应该被分区，使用 `keyBy(...)` 后，相同的key会被划分到不同的流里面，每个流可以被一个单独的task处理。

如果不使用keyBy ，所有数据会被划分到一个窗口里，只有一个task处理，并行度是1.

### 四、窗口（window）类型

#### 4.1 窗口分类

+ **时间窗口（Time Window）**：按照时间生成 Window。
  + 滚动时间窗口
  + 滑动时间窗口
  + 会话窗口

+ **计数窗口（Count Window）**：按照指定的数据条数生成一个Window，与时间无关。
  + 滚动计数窗口
  + 滑动计数窗口

#### 4.2 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分钟大小的滚动窗口，窗口的创建如下图所示：

![18.Flink window API介绍 02.png](https://lilinchao.com/usr/uploads/2022/01/2012607287.png)

**适用场景：**适合做BI统计等（做每个时间段的聚合计算）。

#### 4.3 滑动窗口（Sliding Windows）

滑动窗口是固定窗口的更广义的一种形式，滑动窗口由固定的**窗口长度**和**滑动间隔**组成。

**特点：时间对齐，窗口长度固定，可以有重叠。**

滑动窗口分配器将元素分配到固定长度的窗口中，与滚动窗口类似，窗口的大小由窗口大小参数来配置，另一个窗口滑动参数控制滑动窗口开始的频率。

因此， 滑动窗口如果滑动参数小于窗口大小的话，窗口是可以重叠的，在这种情况下元素会被分配到**多个窗口**中。

例如，你有10分钟的窗口和5分钟的滑动，那么每个窗口中5分钟的窗口里包含着上个10分钟产生的数据，如下图所示：

![18.Flink window API介绍 03.png](https://lilinchao.com/usr/uploads/2022/01/1678308393.png)

**适用场景：**对最近一个时间段内的统计（求某接口最近 5min 的失败率来决定是否要报警）。

#### 4.4 会话窗口（Session Windows）

由一系列事件组合一个指定时间长度的timeout间隙组成，类似于web应用的session，也就是一段时间没有接收到新数据就会生成新的窗口。

**特点：时间无对齐。**

session窗口分配器通过session活动来对元素进行分组，session窗口跟滚动窗口和滑动窗口相比，不会有重叠和固定的开始时间和结束时间的情况，相反，当它在一个固定的时间周期内不再收到元素，即非活动间隔产生，那个这个窗口就会关闭。

一个session窗口通过一个 session 间隔来配置，这个session间隔定义了非活跃周期的长度，当这个非活跃周期产生，那么当前的 session将关闭并且后续的元素将被分配到新的session窗口中去。

![18.Flink window API介绍 04.png](https://lilinchao.com/usr/uploads/2022/01/232642455.png)

*附参考文章链接：*

*https://cloud.tencent.com/developer/article/1539212*

*https://www.cnblogs.com/data-magnifier/p/14608739.html*

标签: Flink

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://lilinchao.com/archives/1861.html

上一篇 17.Flink流处理API之Sink

下一篇 19.Flink Window API使用详解

18.Flink window API介绍

评论啦~

栏目分类

标签云

友情链接申请

18.Flink window API介绍

 评论啦~

 栏目分类

标签云

友情链接申请

评论啦~

栏目分类

标签云

友情链接申请