>代碼GitHub：https://github.com/SmallScorpion/flink-tutorial.git
Window概述
- streaming流式計算是一種被設計用於處理無限數據集的數據處理引擎，而無限數據集是指一種不斷增長的本質上無限的數據集，而window是一種切割無限數據爲有限塊進行處理的手段。
- Window是無限數據流處理的核心，Window將一個無限的stream拆分成有限大小的”buckets”桶，我們可以在這些桶上做計算操作。
![在這裏插入圖片描述]()
Window類型
1. CountWindow：按照指定的數據條數生成一個Window，與時間無關。
2. TimeWindow：按照時間生成Window。
滾動窗口（Tumbling Windows）
將數據依據固定的窗口長度對數據進行切片。
特點：時間對齊，窗口長度固定，沒有重疊。
滾動窗口分配器將每個元素分配到一個指定窗口大小的窗口中，滾動窗口有一個固定的大小，並且不會出現重疊。例如：如果你指定了一個5分鐘大小的滾動窗口，窗口的創建如下圖所示：
滑動窗口（Sliding Windows）
滑動窗口是固定窗口的更廣義的一種形式，滑動窗口由固定的窗口長度和滑動間隔組成。
特點：時間對齊，窗口長度固定，可以有重疊。
滑動窗口分配器將元素分配到固定長度的窗口中，與滾動窗口類似，窗口的大小由窗口大小參數來配置，另一個窗口滑動參數控制滑動窗口開始的頻率。因此，滑動窗口如果滑動參數小於窗口大小的話，窗口是可以重疊的，在這種情況下元素會被分配到多個窗口中。
例如，你有10分鐘的窗口和5分鐘的滑動，那麼每個窗口中5分鐘的窗口裏包含着上個10分鐘產生的數據，如下圖所示：
會話窗口（Session Windows）
由一系列事件組合一個指定時間長度的timeout間隙組成，類似於web應用的session，也就是一段時間沒有接收到新數據就會生成新的窗口。
特點：時間無對齊。
session窗口分配器通過session活動來對元素進行分組，session窗口跟滾動窗口和滑動窗口相比，不會有重疊和固定的開始時間和結束時間的情況，相反，當它在一個固定的時間週期內不再收到元素，即非活動間隔產生，那個這個窗口就會關閉。一個session窗口通過一個session間隔來配置，這個session間隔定義了非活躍週期的長度，當這個非活躍週期產生，那麼當前的session將關閉並且後續的元素將被分配到新的session窗口中去。
TimeWindow代碼實操
Flink默認的時間窗口根據Processing Time 進行窗口的劃分，將Flink獲取到的數據根據進入Flink的時間劃分到不同的窗口中。必須在KeyBy之後做窗口操作
import com.atguigu.bean.SensorReading
import org.apache.flink.api.common.functions.ReduceFunction
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
object TimeWindowTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
val inputDStream: DataStream[String] = env.socketTextStream("hadoop102", 7777)
val dataDstream: DataStream[SensorReading] = inputDStream.map(
data => {
val dataArray: Array[String] = data.split(",")
SensorReading(dataArray(0), dataArray(1).toLong, dataArray(2).toDouble)
}
)
val windowDStream: DataStream[SensorReading] = dataDstream
.keyBy(0)
.timeWindow(Time.seconds(15))
// .timeWindow(Time.seconds(15),Time.seconds(5)) 滑動窗口，第二個參數爲滑動步長
.reduce( MyReduceFunc() )
// .reduce((r1, r2) => (r1._1, r1._2.min(r2._2))) // 也可以直接寫，這裏是自定義
dataDstream.print("data")
windowDStream.print("window")
env.execute("window test job")
}
}
case class MyReduceFunc() extends ReduceFunction[SensorReading]{
override def reduce(t: SensorReading, t1: SensorReading): SensorReading = {
SensorReading(t.id, t1.timestamp, t.temperature.min(t1.temperature))
}
}
CountWindow
默認的CountWindow是一個滾動窗口，只需要指定窗口大小即可，當元素數量達到窗口大小時，就會觸發窗口的執行。
import com.atguigu.bean.SensorReading
import org.apache.flink.streaming.api.scala._
object CountWindowTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
val inputDStream: DataStream[String] = env.readTextFile("D:\\MyWork\\WorkSpaceIDEA\\flink-tutorial\\src\\main\\resources\\SensorReading.txt")
val dataDstream: DataStream[SensorReading] = inputDStream.map(
data => {
val dataArray: Array[String] = data.split(",")
SensorReading(dataArray(0), dataArray(1).toLong, dataArray(2).toDouble)
}
)
val windowDStream: DataStream[SensorReading] = dataDstream
.keyBy(0)
.countWindow(2) // 滾動窗口
// 滑動窗口：sliding_size設置爲了2，也就是說，每收到兩個相同key的數據就計算一次，每一次計算的window範圍是10個元素。
// .countWindow(10,2)
//.reduce( MyReduceFunc() )
.reduce((r1,r2) => SensorReading(r1.id, r1.timestamp, r1.temperature.min(r2.temperature)))
dataDstream.print("data")
windowDStream.print("window")
env.execute("window test job")
}
}
SessionWindow
時間窗口和計數窗口的底層都是.window()
import com.atguigu.bean.SensorReading
import org.apache.flink.streaming.api.scala._
object CountWindowTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
val inputDStream: DataStream[String] = env.readTextFile("D:\\MyWork\\WorkSpaceIDEA\\flink-tutorial\\src\\main\\resources\\SensorReading.txt")
val dataDstream: DataStream[SensorReading] = inputDStream.map(
data => {
val dataArray: Array[String] = data.split(",")
SensorReading(dataArray(0), dataArray(1).toLong, dataArray(2).toDouble)
}
)
val windowDStream: DataStream[SensorReading] = dataDstream
.keyBy(0)
.countWindow(2) // 滾動窗口
// 滑動窗口：sliding_size設置爲了2，也就是說，每收到兩個相同key的數據就計算一次，每一次計算的window範圍是10個元素。
// .countWindow(10,2)
//.reduce( MyReduceFunc() )
.reduce((r1,r2) => SensorReading(r1.id, r1.timestamp, r1.temperature.min(r2.temperature)))
dataDstream.print("data")
windowDStream.print("window")
env.execute("window test job")
}
}
窗口函數（window function）
增量聚合函數只有在一個窗口關閉時，纔會將窗口內的數據操作如求最小值，最大值的數據進行輸出
Window和Aggregate簡單小需求
import com.atguigu.bean.SensorReading
import org.apache.flink.api.common.functions.{AggregateFunction, ReduceFunction}
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.windowing.time.Time
object AggregateForWindowTest {
def main(args: Array[String]): Unit = {
val env: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment
val inputDStream: DataStream[String] = env.socketTextStream("hadoop102", 7777)
val dataDstream: DataStream[SensorReading] = inputDStream.map(
data => {
val dataArray: Array[String] = data.split(",")
SensorReading(dataArray(0), dataArray(1).toLong, dataArray(2).toDouble)
}
)
val windowDStream: DataStream[Double] = dataDstream
.keyBy(0)
.timeWindow(Time.seconds(15))
.aggregate( MyAggregateFunc() )
dataDstream.print("data")
windowDStream.print("window")
env.execute("window test job")
}
}
/**
* 自定義一個求溫度平均值的函數
*/
case class MyAggregateFunc() extends AggregateFunction[SensorReading, (Double, Int), Double]{
// 狀態的初始值，溫度和計數都爲0
override def createAccumulator(): (Double, Int) = (0.0, 0)
// 函數所作操作 用之前的數據加上此時的數據，計數+1
override def add(in: SensorReading, acc: (Double, Int)): (Double, Int) =
(in.temperature + acc._1, acc._2 + 1)
// 獲取數據的最終值
override def getResult(acc: (Double, Int)): Double = acc._1 / acc._2
// 可以直接寫null 這裏不會出現合併的現象，防止的話可以填一個聚合操作
override def merge(acc: (Double, Int), acc1: (Double, Int)): (Double, Int) =
(acc._1 + acc1._1, acc._2 + acc1._2)
}
其他可選API
Window API 總覽
