Flink怎么去控制window

window分类

Flink的DataStream API提供了基于Count Window，Time Window和Session Window。三者其实就是计算的单位不同，

TimeWindow

TimeWindow是基于时间的，能够在一定时间内，收集到一定的数据，从而触发Window的操作。常见的有Sliding Time Window和Tumbling Time Window

👌Sliding Time Window

中文翻译过来就是滑动时间窗口。它在Flink里面需要两个参数，就是每个多久计算多大Window的事件。下面这个图sliding size是2也就是每隔多久，而window size是窗口Window大小，从而理解长每个2个事件单位就生成一个窗口，每个窗口大小为3个时间单位，因为2<3，所以就会有重复计算的某个时间点的内容，这主要是因为滑动窗口它滑过去的时候会有重叠的内容

.timeWindow(Time.seconds(2),Time.seconds(1))
//这个就是每隔1秒，生成一个2秒大小的window

👌Tumbling Time Window

中文翻译过来就是滚动时间窗口，这个是滚动的，我们平常用轮子去滚动地面的时候，是不会有重复经过的路的，它一定是一直往前的。那么Tumbling Time Window就是基于时间滚动，它是需要知道窗口Window的size，也就是接受一个size参数，每次创建窗口都是基于上次窗口的末端而作为本次窗口的起始。很多人就会想到Sliding Time Window如果每隔x个时间单位，计算x大小的窗口不就是和Tumbling Time Window一样的吗，也可以这么理解吧。下面这个图，可以看到将时间等分了。

.timeWindow(Time.seconds(10))
//这个就是每次创建10秒大小的窗口

Count Window

Count Window是基于计数的，也就是当计数达到规定要求时，就会触发Window操作，就是如果对于Time Window的数据进入数据速度均匀的话，其实和计数达到的效果是一样的，但是我们还是要加以区分

Sliding Count Window

只要看到Sliding Window，我们就要知道它是基于滑动的。图找不到

data.keyBy(1) 
    .countWindow(100, 10) //每 10 个元素统计过去 100 个元素的数量之和

Tumbling Count Window

这个就是Tumbling Window，基于滚动的。就是每次个size个事件之后创建一个窗口

Session Window

session Window显然就是基于会话，如果session断了，那么就要触发window操作了。

Window的组件和相互关系

window Assigner：用于将某个元素分配到某个窗口里面去。

window本身只有一个标识符ID，Window中的元素存储在了Key/Value State中，关于State也是非常重要的内容。

Window Trigger：用于决定一个窗口什么时候被执行，或者什么时候被清除掉

每当有元素加入到这个窗口，或者之前注册的定时器超时，就会触发操作。返回的结果有好几种continue：不做任何操作，fire：开火，即处理窗口数据，purge：移除窗口和窗口中的数据。但是仅仅是fire的话，就会导致处理完当前窗口的数据后，其数据还留在那里，下一次处理还是在那里，甚至有些逻辑我们会重复计算，当然这只是存在于我们自定义Trigger的情况，像Flink本身有的sum，max这些算子，它只需要每来一个元素就清除一次，这样我当前窗口还是保持这sum，max算子的逻辑，而计算过的元素就不需要了，这样可以减少内存消耗。

Evictors：中文翻译成“驱逐者”，有点类似于filter，就是窗口操作前将window里面不合格或者不需要的元素剔除掉

看看图吧

一个元素来了，那么就由Window Assigner来分配到哪个窗口，如果达到新创建窗口标准那么就新建窗口然后分配进去
分配到窗口后，就需要将元素insert进入，如果达到了Trigger的条件了，那么久触发window操作
在Window操作之前，我们需要经过Evictor的过滤，也就是经由Evictor Function处理后，才将流交由各种窗口函数处理

针对于Time Window，我们还需要知道Time有哪几种。

来源：CSDN

作者：混迹零柒叁壹

链接：https://blog.csdn.net/weixin_43272605/article/details/104606105