Flink Window 窗口
在Flink流式计算中，最重要的转换就是窗口转换Window，在DataStream转换图中，可以发现处处都可以对DataStream进行窗口Window计算。
窗口（window）就是从 Streaming 到 Batch 的一个桥梁。窗口将无界流（unbounded data stream）划分很多有界流（bounded stream），对无界流进行计算。
在实际业务需求中，往往说窗口，指的就是基于时间Time窗口，比如最近1分钟内数据，指的就是1分钟时间内产生的数据，放在窗口中。
Flink Window 窗口的结构中，有两个必须的两个操作：
- 第一、窗口分配器（Window Assigner）：将数据流中的元素分配到对应的窗口。
- 第二、窗口函数（Window Function）：当满足窗口触发条件后，对窗口内的数据使用窗口处理函数（Window Function）进行处理，常用的有reduce、aggregate、process。
- 其他的trigger、evictor则是窗口的触发和销毁过程中的附加选项，主要面向需要更多自定义的高级编程者，如果不设置则会使用默认的配置。
- 上图是窗口的生命周期示意图，假如设置的是一个10分钟的滚动窗口，第一个窗口的起始时间是0:00，结束时间是0:10，后面以此类推。
- 当数据流中的元素流入后，窗口分配器会根据时间（Event Time或Processing Time）分配给相应的窗口。相应窗口满足了触发条件，比如已经到了窗口的结束时间，会触发相应的Window Function进行计算。
在Flink计算引擎中，支持窗口类型有很多种，几乎所有Streaming流式计算引擎需要实现窗口都支持。
-
1）、时间窗口
TimeWindow- 按照时间间隔划分出窗口，并对窗口中数据进行计，如每xx分钟统计，最近xx分钟的数据
- 划分为：**滚动（Tumbling）窗口和滑动（Sliding）**窗口
-
2）、计数窗口
CountWindow- 按照
数据条目数进行设置窗口，比如每10条数据统计一次 - 划分为：**滚动（Tumbling）窗口和滑动（Sliding）**窗口
- [此种方式窗口计算，在实际项目中使用不多，但是有些特殊业务需要，需要使用此场景。]
- 按照
package com.lyj.sx.flink.day05;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.datastream.AllWindowedStream;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.windowing.windows.GlobalWindow;
public class CountWindowAllDemo {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(new Configuration());
DataStreamSource<String> source = env.socketTextStream("192.168.25.62", 8889);
SingleOutputStreamOperator<Integer> map = source.map(Integer::parseInt);
//不keyBy，直接划分窗口
//窗口内的数据达到5条，就生成一个窗口，然后对窗口内的数据进行计算
AllWindowedStream<Integer, GlobalWindow> win = map.countWindowAll(5);
SingleOutputStreamOperator<Integer> sum = win.sum(0);
sum.print();
env.execute("pxj");
}
}
