Flink中的时间和窗口

1.Flink的时间和窗口

在传统的批处理系统中，我们可以等到一批数据全部都到齐了之后，对其做相关的计算；但是在实时处理系统中，数据是源源不断的，正常情况下，我们就得来一条处理一条。那么，我们应该如何统计某个实时数据源中最近一段时间内的数据呢？
在Flink的观念中，引入了“窗口”的概念。所谓的“窗口”，一般就是划定的一段时间范围，也就是“时间窗”；对在这范围内的数据进行处理，就是所谓的窗口计算。所以窗口和时间往往是分不开的。

2.正确的理解窗口

简单来说，Flink是一个流式计算引擎，主要用来处理无界数据流的，数据源源不断、无穷无尽，想要方便高效的处理这种无界数据流，一种方式就是将这种无界数据划分为多个有界的"数据块"，这其实就是窗口(Window)。
Flink中的窗口并不是提前创建好了的，而是动态创建的，当有落在这个窗口区间范围 的数据达到时，才创建对应的窗口。另外，这里我们认为到达窗口结束时间时，窗口就触发计算并关闭，事实上“触发计算”和“窗口关闭”两个行为也可以分开。

3.窗口的分类

1）按照驱动类型分
窗口本身是截取有界数据的一种方式，所以窗口一个非常重要的信息其实就是“怎样截取数据”。换句话说， 就是以什么标准来开始和结束数据的截取，我们把它叫作窗口的“驱动类型”。
（1）时间窗口（Time Window）
时间窗口以时间点来定义窗口的开始（start）和结束（end），所以截取出的就是某一时间段的数据。到达结束时间时，窗口不再收集数据，触发计算输出结果，并将窗口关闭销毁。
（2）计数窗口（Count Window）
计数窗口基于元素的个数来截取数据，到达固定的个数时就触发计算并关闭窗口。每个窗口截取数据的个数， 就是窗口的大小。

通过上面的图我们可以看到，时间窗口的时间固定，计数窗口的计数固定。