8-Flink中的窗口

戳更多文章：

戳原文：

1-Flink入门

2-本地环境搭建&构建第一个Flink应用

3-DataSet API
4-DataSteam API

窗口

窗口类型

flink支持两种划分窗口的方式（time和count）如果根据时间划分窗口，那么它就是一个time-window 如果根据数据划分窗口，那么它就是一个count-window
flink支持窗口的两个重要属性（size和interval）

如果size=interval,那么就会形成tumbling-window(无重叠数据)
如果size>interval,那么就会形成sliding-window(有重叠数据)
如果size<interval,那么这种窗口将会丢失数据。比如每5秒钟，统计过去3秒的通过路口汽车的数据，将会漏掉2秒钟的数据。

通过组合可以得出四种基本窗口：

time-tumbling-window 无重叠数据的时间窗口，设置方式举例：timeWindow(Time.seconds(5))
time-sliding-window 有重叠数据的时间窗口，设置方式举例：timeWindow(Time.seconds(5), Time.seconds(3))

count-tumbling-window无重叠数据的数量窗口，设置方式举例：countWindow(5)

count-sliding-window 有重叠数据的数量窗口，设置方式举例：countWindow(5,3)

flink支持在stream上的通过key去区分多个窗口

窗口的实现方式

上一张经典图：

image

Tumbling Time Window

假如我们需要统计每一分钟中用户购买的商品的总数，需要将用户的行为事件按每一分钟进行切分，这种切分被成为翻滚时间窗口（Tumbling Time Window）。翻滚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。

// 用户id和购买数量 stream

val counts: DataStream[(Int, Int)] = ...

val tumblingCnts: DataStream[(Int, Int)] = counts

  // 用userId分组

  .keyBy(0)

  // 1分钟的翻滚窗口宽度

  .timeWindow(Time.minutes(1))

  // 计算购买数量

  .sum(1)

Sliding Time Window

我们可以每30秒计算一次最近一分钟用户购买的商品总数。这种窗口我们称为滑动时间窗口（Sliding Time Window）。在滑窗中，一个元素可以对应多个窗口。通过使用 DataStream API，我们可以这样实现：

val slidingCnts: DataStream[(Int, Int)] = buyCnts

  .keyBy(0)

  .timeWindow(Time.minutes(1), Time.seconds(30))

  .sum(1)

Tumbling Count Window

当我们想要每100个用户购买行为事件统计购买总数，那么每当窗口中填满100个元素了，就会对窗口进行计算，这种窗口我们称之为翻滚计数窗口（Tumbling Count Window），上图所示窗口大小为3个。通过使用 DataStream API，我们可以这样实现：

// Stream of (userId, buyCnts)

val buyCnts: DataStream[(Int, Int)] = ...

val tumblingCnts: DataStream[(Int, Int)] = buyCnts

  // key stream by sensorId

  .keyBy(0)

  // tumbling count window of 100 elements size

  .countWindow(100)

  // compute the buyCnt sum

  .sum(1)

Session Window

在这种用户交互事件流中，我们首先想到的是将事件聚合到会话窗口中（一段用户持续活跃的周期），由非活跃的间隙分隔开。如上图所示，就是需要计算每个用户在活跃期间总共购买的商品数量，如果用户30秒没有活动则视为会话断开（假设raw data stream是单个用户的购买行为流）。Session Window 的示例代码如下：

// Stream of (userId, buyCnts)

val buyCnts: DataStream[(Int, Int)] = ...

val sessionCnts: DataStream[(Int, Int)] = vehicleCnts

    .keyBy(0)

    // session window based on a 30 seconds session gap interval

    .window(ProcessingTimeSessionWindows.withGap(Time.seconds(30)))

    .sum(1)

一般而言，window 是在无限的流上定义了一个有限的元素集合。这个集合可以是基于时间的，元素个数的，时间和个数结合的，会话间隙的，或者是自定义的。Flink 的 DataStream API 提供了简洁的算子来满足常用的窗口操作，同时提供了通用的窗口机制来允许用户自己定义窗口分配逻辑。

公众号推荐

全网唯一一个从0开始帮助Java开发者转做大数据领域的公众号,BAT团队集体开发~
海量【java和大数据的面试题+视频资料】整理在公众号，关注后可以下载~
更多大数据技术欢迎和作者一起探讨~

image