Flink 的窗口机制

🪟 1. 基于时间驱动的滚动时间窗口（Tumbling Time Window - Time-based）

✅ 定义：

• 每隔固定的时间周期开启一个新的窗口。
• 窗口之间不重叠。

🕒 示例：

DataStream<Tuple2<String, Integer>> windowedStream = stream
    .keyBy(keySelector)
    .window(TumblingEventTimeWindows.of(Time.seconds(5))) // 每5秒一个窗口
    .sum(1);

🔍 特点：

🧊 2. 基于事件驱动的滚动时间窗口（Tumbling Count Window - Event-based）

✅ 定义：

• 每收集固定数量的元素后触发一次窗口计算。
• 不依赖时间，只依赖元素个数。

📏 示例：

DataStream<Tuple2<String, Integer>> windowedStream = stream
    .keyBy(keySelector)
    .countWindow(10) // 每收到10条数据就触发一次计算
    .sum(1);

🔍 特点：

⏱️ 3. 基于时间驱动的滑动时间窗口（Sliding Time Window - Time-based）

✅ 定义：

• 窗口每隔一定时间“滑动”一次，窗口长度固定。
• 窗口之间有重叠。

🕒 示例：

DataStream<Tuple2<String, Integer>> windowedStream = stream
    .keyBy(keySelector)
    .window(SlidingProcessingTimeWindows.of(Time.seconds(10), Time.seconds(5))) // 窗口长10s，每5s滑动一次
    .sum(1);

🔍 特点：

📐 4. 基于事件驱动的滑动时间窗口（Sliding Count Window - Event-based）

✅ 定义：

• 每隔固定数量的元素滑动一次窗口，窗口长度也以元素个数为单位。
• 窗口之间可以部分重叠。

📏 示例：

DataStream<Tuple2<String, Integer>> windowedStream = stream
    .keyBy(keySelector)
    .countWindow(10, 5) // 窗口包含10个元素，每5个元素滑动一次
    .sum(1);

🔍 特点：

🛎️ 5. 会话窗口（Session Window）

✅ 定义：

• 根据活动间隙（gap） 来划分窗口。
• 如果两个元素之间的时间差超过设定的 gap，则属于不同的窗口。

🕒 示例：

DataStream<Tuple2<String, Integer>> windowedStream = stream
    .keyBy(keySelector)
    .window(EventTimeSessionWindows.withGap(Time.minutes(1))) // 1分钟内无新事件视为会话结束
    .sum(1);

🔍 特点：

📊 总结对比表

✅ 选择建议