目录
窗口分配器
时间窗口
计数窗口
全局窗口
窗口函数
增量聚合函数
全窗口函数（full window functions）
增量聚合和全窗口函数的结合使用
Window API 主要由两部分构成：窗口分配器（Window Assigners）和窗口函数（Window Functions）
stream.keyBy(<key selector>)
.window(<window assigner>) //指明窗口的类型
.aggregate(<window function>) //定义窗口具体的处理逻辑在window()方法中传入一个窗口分配器；
在aggregate()方法中传入一个窗口函数；
窗口分配器
指定窗口的类型，定义数据应该被“分配”到哪个窗口
方法：.window()
参数：WindowAssigner
返回值：WindowedStream
如果是非按键分区窗口，那么直接调用.windowAll()方法，同样传入一个WindowAssigner，返回的是 AllWindowedStream
时间窗口
滚动处理时间窗口
stream.keyBy(...)
//1..of()方法需要传入一个 Time 类型的参数 size，表示滚动窗口的大小
.window(TumblingProcessingTimeWindows.of(Time.seconds(5))) //窗口大小
//2.通过设置偏移量offset 来调整起始点的时间戳
.window(TumblingProcessingTimeWindows.of(Time.days(1), Time.hours(-8))) //窗口大小，偏移量
.aggregate(...)默认的窗口起始点时间戳是窗口大小的整倍数
如果我们定义 1 天的窗口，默认就从 0 点开始；如果定义 1 小时的窗口，默认就从整点开始
如果不想用默认值，就需要设置好偏移量
偏移量的作用：标准时间戳其实就是1970 年 1 月 1 日 0 时 0 分 0 秒 0 毫秒开始计算的一个毫秒数，而这个时间是以 UTC 时间，也就是 0 时区（伦敦时间）为标准的。我们所在的时区是东八区，也就是 UTC+8，跟 UTC 有 8小时的时差。我们定义 1 天滚动窗口时，如果用默认的起始点，那么得到就是伦敦时间每天 0点开启窗口，这时是北京时间早上 8 点。那怎样得到北京时间每天 0 点开启的滚动窗口呢？只要设置-8 小时的偏移量就可以了
滑动处理时间窗口
stream.keyBy(...)
//窗口大小，滑动步长（同样也可以设置偏移量）
.window(SlidingProcessingTimeWindows.of(Time.seconds(10), Time.seconds(5)))
.aggregate(...)处理时间会话窗口
stream.keyBy(...)
//超时时间
.window(ProcessingTimeSessionWindows.withGap(Time.seconds(10)))
.aggregate(...)以上是静态设置了超时时间，也可以动态设置：
.window(ProcessingTimeSessionWindows.withDynamicGap(newSessionWindowTimeGapExtractor<Tuple2<String, Long>>() {
@Override
public long extract(Tuple2<String, Long> element) {
// 提取 session gap 值返回, 单位毫秒
//提取了数据元素的第一个字段，用它的长度乘以 1000 作为会话超时的间隔
return element.f0.length() * 1000;
}
}滚动事件时间窗口
stream.keyBy(...)
.window(TumblingEventTimeWindows.of(Time.seconds(5)))
.aggregate(...)滑动事件时间窗口
stream.keyBy(...)
.window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5)))
.aggregate(...)事件时间会话窗口
stream.keyBy(...)
.window(EventTimeSessionWindows.withGap(Time.seconds(10)))
.aggregate(...)处理时间和事件时间的逻辑完全相同
计数窗口
滚动计数窗口：.countWindow(10) //窗口大小
滑动计数窗口：.countWindow(10,3) //窗口大小，滑动步长
每个窗口统计 10 个数据，每隔 3 个数据就统计输出一次结果
全局窗口
.window(GlobalWindows.create());
需要自定义触发器
窗口函数
WindowedStream——>DataStream
增量聚合函数
像 DataStream 的简单聚合一样，每来一条数据就立即进行计算，中间只要保持一个简单的聚合状态就可以
区别在于不立即输出结果，而是要等到窗口结束时间
归约函数（ReduceFunction）：和简单聚合时使用的ReduceFunction完全一样
聚合函数（AggregateFunction）：取消类型一致的限制，直接基于 WindowedStream 调 用.aggregate()方法，不需要经过map处理；这个方法需要传入一个AggregateFunction 的实现类作为参数，源码如下：
@PublicEvolving
public interface AggregateFunction<IN, ACC, OUT> extends Function, Serializable {
/**
* Creates a new accumulator, starting a new aggregate.
*
* <p>The new accumulator is typically meaningless unless a value is added via {@link
* #add(Object, Object)}.
*
* <p>The accumulator is the state of a running aggregation. When a program has multiple
* aggregates in progress (such as per key and window), the state (per key and window) is the
* size of the accumulator.
*
* @return A new accumulator, corresponding to an empty aggregate.
*/
ACC createAccumulator();
/**
* Adds the given input value to the given accumulator, returning the new accumulator value.
*
* <p>For efficiency, the input accumulator may be modified and returned.
*
* @param value The value to add
* @param accumulator The accumulator to add the value to
* @return The accumulator with the updated state
*/
ACC add(IN value, ACC accumulator);
/**
* Gets the result of the aggregation from the accumulator.
*
* @param accumulator The accumulator of the aggregation
* @return The final aggregation result.
*/
OUT getResult(ACC accumulator);
/**
* Merges two accumulators, returning an accumulator with the merged state.
*
* <p>This function may reuse any of the given accumulators as the target for the merge and
* return that. The assumption is that the given accumulators will not be used any more after
* having been passed to this function.
*
* @param a An accumulator to merge
* @param b Another accumulator to merge
* @return The accumulator with the merged state
*/
ACC merge(ACC a, ACC b);
}IN：输入数据类型
ACC：累加器类型
OUT：输出数据类型
AggregateFunction 接口中有四个方法：
除了继承AggregateFunction，自定义聚合函数之外，Flink为我们提供了一系列预定义的简单聚合方法，如sum()/max()/maxBy()/min()/minBy()，可以直接基于WindowedStream调用
全窗口函数（full window functions）
全窗口函数需要先收集窗口中的数据，并在内部缓存起来，等到窗口要输出结果的时候再取出数据进行计算
典型的批处理方式，适用于一些基于全部数据才能进行的运算等等
窗口函数（WindowFunction）
stream
.keyBy(<key selector>)
.window(<window assigner>)
//基于 WindowedStream 调用.apply()方法，传入一个 WindowFunction 的实现类
.apply(new MyWindowFunction());WindowFunction的实现类中可以获取到包含窗口所有数据的可迭代集合（Iterable），还可以拿到窗口本身的信息
功能可以被 ProcessWindowFunction（处理窗口函数，见下） 全覆盖
处理窗口函数（ProcessWindowFunction）
增强版的 WindowFunction
基于 WindowedStream 调用.process()方法，传入一个 ProcessWindowFunction 的实现类
ProcessWindowFunction的泛型：
ProcessWindowFunction<IN,OUT,KEY,W>分别是输入数据类型，输出数据类型，分区键的类型，Window类型（比如，是时间窗口，就是TimeWindow）
process()方法的定义：
示例代码如下，自定义窗口处理函数来处理数据：
public class UvCountByWindowExample {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
SingleOutputStreamOperator<Event> stream = env.addSource(new ClickSource())
.assignTimestampsAndWatermarks(WatermarkStrategy.<Event>forBoundedOutOfOrderness(Duration.ZERO)
.withTimestampAssigner(new SerializableTimestampAssigner<Event>() {
@Override
public long extractTimestamp(Event element, long recordTimestamp) {
return element.timestamp;
}
}));
// 将数据全部发往同一分区，按窗口统计UV
stream.keyBy(data -> true)
.window(TumblingEventTimeWindows.of(Time.seconds(10)))
.process(new UvCountByWindow())
.print();
env.execute();
}
//自定义窗口处理函数
public static class UvCountByWindow extends ProcessWindowFunction<Event, String, Boolean, TimeWindow>{
@Override
public void process(Boolean aBoolean, Context context, Iterable<Event> elements, Collector<String> out) throws Exception {
HashSet<String> userSet = new HashSet<>();
// 遍历所有数据，放到Set里去重
for (Event event: elements){
userSet.add(event.user);
}
// 结合窗口信息，包装输出内容
Long start = context.window().getStart();
Long end = context.window().getEnd();
out.collect("窗口: " + new Timestamp(start) + " ~ " + new Timestamp(end)
+ " 的独立访客数量是：" + userSet.size());
}
}
}这里的Event是一个POJO类，ClickSource是自定义的数据源，其代码如下：
Event.java：
public class Event {
public String user;
public String url;
public Long timestamp;
public Event() {
}
public Event(String user, String url, Long timestamp) {
this.user = user;
this.url = url;
this.timestamp = timestamp;
}
@Override
public String toString() {
return "Event{" +
"user='" + user + '\'' +
", url='" + url + '\'' +
", timestamp=" + new Timestamp(timestamp) +
'}';
}
}ClickSource.java：
public class ClickSource implements SourceFunction<Event> {
// 声明一个布尔变量，作为控制数据生成的标识位
private Boolean running = true;
@Override
public void run(SourceContext<Event> ctx) throws Exception {
Random random = new Random(); // 在指定的数据集中随机选取数据
String[] users = {"Mary", "Alice", "Bob", "Cary"};
String[] urls = {"./home", "./cart", "./fav", "./prod?id=1", "./prod?id=2"};
while (running) {
ctx.collect(new Event(
users[random.nextInt(users.length)],
urls[random.nextInt(urls.length)],
Calendar.getInstance().getTimeInMillis()
));
// 隔1秒生成一个点击事件，方便观测
Thread.sleep(1000);
}
}
@Override
public void cancel() {
running = false;
}
}
增量聚合和全窗口函数的结合使用
增量聚合函数处理计算会更高效；而全窗口函数的优势在于提供了更多的信息
我们之前在调用 WindowedStream 的.reduce()和.aggregate()方法时，只是简单地直接传入了一个 ReduceFunction 或 AggregateFunction 进行增量聚合。除此之外，其实还可以传入第二个参数：一个全窗口函数，可以是 WindowFunction 或者 ProcessWindowFunction
处理机制：
基于第一个参数（增量聚合函数）来处理窗口数据，每来一个数据就做一次聚合；等到窗口需要触发计算时，则调用第二个参数（全窗口函数）的处理逻辑输出结果。需要注意的是，这里的全窗口函数就不再缓存所有数据了，而是直接将增量聚合函数的结果拿来当作了 Iterable 类型的输入。一般情况下，这时的可迭代集合中就只有一个元素了
