彻底搞清 Flink 中的 Window 机制

[[432700]]

一、 为什么需要Window

在流处理应用中，数据是连续不断的，有时我们需要做一些聚合类的处理，例如：在过去的1分钟内有多少用户点击了我们的网页。

在这种情况下，我们必须定义一个窗口(window)，用来收集最近1分钟内的数据，并对这个窗口内的数据进行计算

二、Window的分类

2.1 按照time和count分类

time-window:时间窗口:根据时间划分窗口,如:每xx分钟统计最近xx分钟的数据

count-window:数量窗口:根据数量划分窗口,如:每xx个数据统计最近xx个数据

2.2 按照slide和size分类

窗口有两个重要的属性: 窗口大小size和滑动间隔slide,根据它们的大小关系可分为:

tumbling-window:滚动窗口:size=slide,如:每隔10s统计最近10s的数据

sliding-window:滑动窗口:size>slide,如:每隔5s统计最近10s数据

注意:当size<slide的时候,如每隔15s统计最近10s的数据,那么中间5s

小结

按照上面窗口的分类方式进行组合,可以得出如下的窗口:

• 基于时间的滚动窗口tumbling-time-window--用的较多
• 基于时间的滑动窗口sliding-time-window--用的较多
• 基于数量的滚动窗口tumbling-count-window--用的较少
• 基于数量的滑动窗口sliding-count-window--用的较少

注意:Flink还支持一个特殊的窗口:Session会话窗口,需要设置一个会话超时时间,如30s,则表示30s内没有数据到来,则触发上个窗口的计算

三、WindowAPI

3.1 window和windowAll

使用keyby的流,应该使用window方法

未使用keyby的流,应该调用windowAll方法

区别：

Window算子：是可以设置并行度的

WindowAll 算子：并行度始终为1

3.2 WindowAssigner

Windows Assigner的作用是指定窗口的类型，定义如何将数据流分配到一个或者多个窗口，API中通过window (WindowsAssigner assigner)指定。在Flink中支持两种类型的窗口，一种是基于时间的窗口(TimeWindow)，另一种是基于数量的窗口(countWindow)。窗口所表现出的类型特性取决于window assigner的定义。

Flink底层Window模型仅有TimeWindow以及GlobalWindow。

Flink提供了很多各种场景用的WindowAssigner：

如果需要自定制数据分发策略，则可以实现一个 class，继承自 WindowAssigner。

3.3 evictor

evictor 主要用于做一些数据的自定义操作，可以在执行用户代码之前，也可以在执行

用户代码之后，更详细的描述可以参考org.apache.flink.streaming.api.windowing.evictors.Evictor 的 evicBefore 和 evicAfter两个方法。

Flink 提供了如下三种通用的 evictor：

CountEvictor 保留指定数量的元素

TimeEvictor 设定一个阈值 interval，删除所有不再 max_ts - interval 范围内的元

素，其中 max_ts 是窗口内时间戳的最大值。

DeltaEvictor 通过执行用户给定的 DeltaFunction 以及预设的 theshold，判断是否删 除一个元素。

3.4 trigger

trigger 用来判断一个窗口是否需要被触发，每个 WindowAssigner 都自带一个默认的trigger，

如果默认的 trigger 不能满足你的需求，则可以自定义一个类，继承自Trigger 即可，我们详细描述下 Trigger 的接口以及含义：

onEventTime() 当 event-time timer 被触发的时候会调用

onElement() 每次往 window 增加一个元素的时候都会触发

onMerge() 对两个 `rigger 的 state 进行 merge 操作

clear() window 销毁的时候被调用

上面的接口中前三个会返回一个 TriggerResult， TriggerResult 有如下几种可能的选 择：

• CONTINUE 不做任何事情
• FIRE 触发 window
• PURGE 清空整个 window 的元素并销毁窗口
• PURGE 清空整个 window 的元素并销毁窗口

四、WindowAPI调用案例示例

4.1 基于时间的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4 

需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滚动窗口

需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量--基于时间的滑动窗口

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.scala._ 
import org.apache.flink.streaming.api.windowing.assigners.{SlidingProcessingTimeWindows, TumblingProcessingTimeWindows} 
import org.apache.flink.streaming.api.windowing.time.Time; 
 
/** 
 * @Package com.flink.source 
 * @File ：WindowDemo_TimeWindow.java 
 * @author 大数据老哥 
 * @date 2021/10/26 10:50 
 * @version V1.0 
 */ 
object WindowDemo_TimeWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap = socketData.map(new MapFunction[String, CartInfo]() { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
    //需求1:每5秒钟统计一次，最近5秒钟内，各个路口通过红绿灯汽车的数量 
    val result = socketMap.keyBy(_.sensorId).window(TumblingProcessingTimeWindows.of(Time.seconds(5))).sum("count") 
    //需求2:每5秒钟统计一次，最近10秒钟内，各个路口通过红绿灯汽车的数量 
    val result2 = socketMap.keyBy(_.sensorId).window(SlidingProcessingTimeWindows.of(Time.seconds(5), Time.seconds(10))).sum("count") 
    result.print() 
    result2.print() 
    env.execute("winds") 
  } 
 
} 
 
case class CartInfo(var sensorId: String, var count: Int) 

4.2 基于数量的滚动和滑动窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4 

需求1:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现5次进行统计--基于数量的滚动窗口

需求2:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现3次进行统计--基于数量的滑动窗口

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.scala._ 
 
/** 
 * @Package com.flink.source 
 * @File ：WindosDemoo_CountWindos.java 
 * @author 大数据老哥 
 * @date 2021/10/26 14:04 
 * @version V1.0 
 */ 
object WindowDemo_CountWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap = socketData.map(new MapFunction[String, CartInfo] { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
     // 需求1:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现5次进行统计 
    val result = socketMap.keyBy(_.sensorId).countWindow(5L).sum("count") 
     // 需求2:统计在最近5条消息中,各自路口通过的汽车数量,相同的key每出现3次进行统计 
    val result2 = socketMap.keyBy(_.sensorId).countWindow(5L,3L).sum("count") 
    result.print("result") 
    result2.print("result2") 
    env.execute() 
 
  } 
} 
case class CartInfo(var sensorId: String, var count: Int) 

case class CartInfo(var sensorId: String, var count: Int)

4.3 会话窗口

测试数据

信号灯编号和通过该信号灯的车的数量 
9,3 
9,2 
9,7 
4,9 
2,6 
1,5 
2,3 
5,7 
5,4 

设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算

package com.flink.source 
 
import org.apache.flink.api.common.functions.MapFunction 
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator 
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment 
import org.apache.flink.streaming.api.windowing.assigners.ProcessingTimeSessionWindows 
import org.apache.flink.streaming.api.windowing.time.Time 
 
  
/** 
 * @Package com.flink.source 
 * @File ：WindowDemo_SessionWindow.java 
 * @author 大数据老哥 
 * @date 2021/11/1 16:10 
 * @version V1.0 
 */ 
object WindowDemo_SessionWindow { 
  def main(args: Array[String]): Unit = { 
    val env = StreamExecutionEnvironment.getExecutionEnvironment 
 
    val socketData = env.socketTextStream("192.168.100.101", 9999) 
    val socketMap: SingleOutputStreamOperator[CartInfo] = socketData.map(new MapFunction[String, CartInfo]() { 
      override def map(t: String): CartInfo = { 
        val arr = t.split(",") 
        CartInfo(arr(0), arr(1).toInt) 
      } 
    }) 
    //设置会话超时时间为10s,10s内没有数据到来,则触发上个窗口的计算 
    val result = socketMap.keyBy(0) 
      .window(ProcessingTimeSessionWindows.withGap(Time.seconds(10))) 
      .sum("count") 
    result.print() 
    env.execute("winds") 
  } 
} 
 
 
case class CartInfo(var sensorId: String, var count: Int)