Flink 04 | 窗口介绍 - 无界数据流的核心

news2024/11/23 23:57:29

窗口介绍

Flink中Windows（窗口）是处理无界数据流的核心。因为无界数据集是不断增长的，无法直接对整个数据集进行操作。窗口将数据流分成有限大小的Buckets，我们可以在这些Buckets上应用计算。本文档重点介绍如何在 Flink 中选择合适的"Windows"，以及程序员如何最大限度地利用其提供的功能。

滚动窗口（Tumbling Windows）

滚动窗口示意图

滚动窗口（Tumbling Windows）：具有固定大小、不重叠的窗口。例如，每5分钟一个窗口。

应用举例

实时流量统计

统计过去一小时内接口访问次数或请求量，实时监控流量情况，进行负载均衡、故障预警等操作。

API 使用

DataStream<T> input = ...;

// tumbling event-time windows
input
    .keyBy(<key selector>)
    .window(TumblingEventTimeWindows.of(Time.seconds(5)))
    .<windowed transformation>(<window function>);

滑动窗口（Sliding Windows）

滑动窗口示意图

滑动窗口（Sliding Windows）：是滚动窗口的扩展，窗口可以重叠(如果滑动小于窗口大小，滑动窗口可以重叠)。例如，设置大小为 10 分钟、滑动 5 分钟的窗口。

使用场景举例

实时监控系统中的异常检测,比如每10秒分析一次过去1分钟内的服务器的CPU使用率、内存占用率、响应时间等情况，及时发现系统异常。

api 使用

DataStream<T> input = ...;

// sliding event-time windows
input
    .keyBy(<key selector>)
    .window(SlidingEventTimeWindows.of(Time.seconds(10), Time.seconds(5)))
    .<windowed transformation>(<window function>);

会话窗口（Session Windows）

会话窗口

会话窗口(Session Windows)按活动会话对元素进行分组。与滚动窗口和滑动窗口不同，会话窗口不重叠，也没有固定的开始和结束时间。相反，当会话窗口在一定时间内未接收元素时（即出现不活动间隙时），它将关闭。

使用场景

用户行为跟踪与分析：社交媒体平台上，用户的点赞、评论、分享等行为也可以被视为会话的一部分。会话窗口有助于分析用户参与度和互动模式，为内容推荐和广告投放提供依据。

DataStream<T> input = ...;

// event-time session windows with static gap
input
    .keyBy(<key selector>)
    .window(EventTimeSessionWindows.withGap(Time.minutes(10)))
    .<windowed transformation>(<window function>);

全局窗口

全局窗口将具有相同键的所有元素分配给同一个全局窗口。此窗口方案仅在您还指定自定义触发器时才有用。否则，不会执行任何计算，因为全局窗口没有可以处理聚合元素的自然结束。

可以借助全局窗口实现 计数窗口,比如每100条数据一个窗口,实际上内置的“计数窗口也是”通过全局窗口实现的

查看源码 keyBy().countWindow()

  public WindowedStream<T, KEY, GlobalWindow> countWindow(long size) {
        return this.window(GlobalWindows.create()).trigger(PurgingTrigger.of(CountTrigger.of(size)));
    }

Windows API 概览

Windows相关API 分为 Keyed,Non-Keyed

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/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/apply()      <-  required: "function"
      [.getSideOutput(...)]      <-  optional: "output tag"