目錄

• 1.為什么要學窗口
• 2.Flink中的窗口
• 3.滾動窗口（Tumble）
• 3.1 概念
• 3.2 案例SQL

1.為什么要學窗口

流式計算，一般有兩種場景：

• 無限制的流式計算，比如：wordcount案例，它沒有任何外部的限制條件，這種情況不多。
• 有限制的流式計算，比如：統(tǒng)計早高峰時間內經過某個道路的車輛數。

對于第二種情況來說，我們需要加上額外的限制條件。最常用的限制條件就是時間了。

這個時間段，在程序中，就用一個窗口來表示。

也就是說，窗口的作用：把流式計算轉換為批量計算，窗口是流轉批的一個橋梁。

這就是為什么要學窗口的原因了。

2.Flink中的窗口

在Flink中，窗口可以分為如下幾類：

• 滾動窗口（Tumble）
• 滑動窗口（hop、Slice）
• 會話窗口（session）
• 漸進式窗口（cumulate）
• 聚合窗口（over）

3.滾動窗口（Tumble）

3.1 概念

滾動窗口 ：窗口大小 = 滾動距離（時間間隔）

特點：上一個窗口的結束就是下一個窗口的開始，數據不重復、也不丟失。

3.2 案例SQL

#1.創(chuàng)建source表
CREATE TABLE source_table ( 
 user_id STRING, 
 price BIGINT,
 `timestamp` bigint,
 row_time AS TO_TIMESTAMP(FROM_UNIXTIME(`timestamp`)),
 watermark for row_time as row_time - interval "0" second
) WITH (
  "connector" = "socket",
  "hostname" = "node1",
  "port" = "9999",
  "format" = "csv"
);
#2.語法
tumble(事件時間列,窗口大小)
窗口大小是用戶自定義的。比如30分鐘、1小時等。
直接把tumble窗口放在group by語句后即可。
比如：tumble(row_time,interval "5" second)
含義：定義一個5秒大小的滾動窗口。
#3.數據處理
select 
user_id,
count(*) as pv,
    sum(price) as sum_price,
UNIX_TIMESTAMP(CAST(tumble_start(row_time, interval "5" second) AS STRING)) * 1000  as window_start,
UNIX_TIMESTAMP(CAST(tumble_end(row_time, interval "5" second) AS STRING)) * 1000  as window_end
from source_table
group by
    user_id,
    tumble(row_time, interval "5" second);

到此這篇關于MySQL Flink實時流處理的核心技術之窗口機制的文章就介紹到這了,更多相關MySQL Flink窗口機制內容請搜索以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持！