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");}
}