窗口是什么

要知道 Flink 面對的是無限的數據流，而批處理只是流處理的一個特例，然而我們的計算只能基于一個有限的集合，這個時候窗口正好定義了這其中的概念。因此可以說了解窗口機制是學習 Flink 的基礎也是關鍵。

總結來說，窗口將一個無限數據流拆分成有限的數據集合（以下簡稱為“桶”），并使得我們很方便地在上面做一些操作。那么顯然這里帶來兩個問題：

如何將數據拆分到桶

后續的操作何時發生

在 Flink 的實現中，會有具體的策略決定何時創建一個桶，數據該分配到哪個桶，而后續的操作是基于條件觸發的，當然這個條件是可以自定義的，Flink 內部也有默認的實現，一旦條件達到，后續的操作就會發生，將桶內的數據發送給操作函數。這便是窗口在整個過程中起到的作用。

圍繞窗口有哪些概念需要掌握

窗口類型

接著上面的討論，Flink 會有具體的策略決定何時創建桶以及數據該分配到哪個桶，那么有哪些策略呢？這些策略在 Flink 中的區分就是窗口的類型：

• 滾動窗口
• 滑動窗口
• 會話窗口

這些窗口具體什么時候會用到呢？比如我們要計算每隔5分鐘的車流量，那就需要滾動窗口，每5分鐘累計一次。但是如果希望每分鐘計算一下最近5分鐘的車流量呢，那就需要滑動窗口，滑動的大小為1分鐘。而如果要統計用戶在一次網頁交互的會話內點擊頁面的次數，那么這個時候就需要用會話窗口了。當然了，如果這幾個內置的窗口不夠用的話，還可以自定義。

觸發器（Trigger）

桶已經創建好了，數據也已經分配到具體的桶了，那么何時觸發后續的操作函數呢？這個在 Flink 由觸發器來規定。觸發器會決定一個窗口何時被計算或清除（即清除窗口中的元素）。因而每個窗口都會有一個觸發器。再接著舉上面的例子說吧，如果要5分鐘統計一次的話，那么顯然需要計時，每隔5分鐘就觸發一次。Flink 內部已經對常用的窗口實現了默認的觸發器，如果不滿足的話也可以使用相應的 API 來自定義。

驅逐者（Evitor）

驅逐者其實有點像個過濾器，用于在上面的觸發器觸發之后，去掉窗口中的某些元素。對于窗口而言，驅逐者是個可選項。在 Flink 內部提供的滑動計數窗口的實現中，就用到了驅逐者，用來去掉多余的數據。

允許延遲

在實際的數據產生到處理的過程中，出現數據的延遲再正常不過了，那么我們怎么讓遲到的數據加入到窗口中呢？在 Flink 中提供了允許延遲的 API，只要數據還沒有到窗口的最后時間加上延遲時間，那么依然會被加入到窗口中，而且有可能再次觸發后續的操作函數，這取決于具體的觸發器的實現。

小結

對于窗口相關的理論知識，掌握這些基本就夠了，接下來需要從 API 的使用去了解了，后續文章就開始相關 API 的介紹。

本文首發于公眾號“數據Man”，歡迎關注！

數據Man

總結

以上是生活随笔為你收集整理的去掉窗口_Flink 基础——窗口（Window）理论篇的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。