在 Flink SQL 中，窗口（Window）是處理流數據的一種關鍵機制，它允許用戶對有限的時間區間內的數據進行聚合操作。Flink 支持多種類型的窗口，包括滾動窗口、滑動窗口、會話窗口等。下面詳細介紹這些窗口及其區別。

滾動窗口（Tumbling Window）

滾動窗口是一種固定大小、不重疊的窗口。每個窗口包含一段固定時間內的所有數據。當一個窗口結束時，立即開始下一個窗口。

示例：

SELECT
    TUMBLE_START(timestamp, INTERVAL '10' MINUTE) AS window_start,
    TUMBLE_END(timestamp, INTERVAL '10' MINUTE) AS window_end,
    user_id,
    COUNT(*) AS action_count
FROM kafka_source
GROUP BY
    TUMBLE(timestamp, INTERVAL '10' MINUTE),
    user_id;

在這個示例中，每個滾動窗口的大小為10分鐘，每10分鐘觸發一次計算。

滑動窗口（Sliding Window）

滑動窗口是具有固定大小和固定滑動間隔的窗口。滑動窗口可以重疊，因此一個事件可以屬于多個窗口。

示例：

SELECT
    HOP_START(timestamp, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) AS window_start,
    HOP_END(timestamp, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) AS window_end,
    user_id,
    COUNT(*) AS action_count
FROM kafka_source
GROUP BY
    HOP(timestamp, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE),
    user_id;

在這個示例中，窗口的大小為10分鐘，每5分鐘觸發一次計算，因此窗口之間存在重疊。

會話窗口（Session Window）

會話窗口是一種基于活動間隔的窗口。它們沒有固定的大小或滑動間隔，而是根據一段不活動的時間（間隔）來劃分窗口。當超過指定的不活動時間間隔時，窗口會結束并開始一個新的窗口。

示例：

SELECT
    SESSION_START(timestamp, INTERVAL '15' MINUTE) AS window_start,
    SESSION_END(timestamp, INTERVAL '15' MINUTE) AS window_end,
    user_id,
    COUNT(*) AS action_count
FROM kafka_source
GROUP BY
    SESSION(timestamp, INTERVAL '15' MINUTE),
    user_id;

在這個示例中，如果在15分鐘內沒有新事件到達，則會話窗口結束。

其他窗口

Flink 還支持自定義窗口和全局窗口，這些窗口提供了更多的靈活性，可以滿足各種復雜的需求。

自定義窗口（Custom Window）

用戶可以定義自己的窗口邏輯，實現特殊的窗口操作需求。需要實現自定義的 WindowAssigner 和 Trigger。

全局窗口（Global Window）

全局窗口包含流中的所有數據，適用于需要對整個流進行一次性計算的情況。

區別

滾動窗口與滑動窗口

「滾動窗口」：

• 固定大小，不重疊。
• 窗口邊界明確，每個事件只能屬于一個窗口。
• 適用于固定時間區間的數據聚合。

「滑動窗口」：

• 固定大小，可以重疊。
• 窗口滑動間隔小于窗口大小時，一個事件可以屬于多個窗口。
• 適用于需要更頻繁計算和細粒度分析的數據處理。

示例對比：

假設有一段時間序列數據，窗口大小為10分鐘，滑動間隔為5分鐘。

「滾動窗口」：

窗口1: [00:00 - 00:10)
窗口2: [00:10 - 00:20)
窗口3: [00:20 - 00:30)
...

「滑動窗口」：

窗口1: [00:00 - 00:10)
窗口2: [00:05 - 00:15)
窗口3: [00:10 - 00:20)
窗口4: [00:15 - 00:25)
...

在滑動窗口中，每個窗口包含的事件可能會重復計算，因為窗口之間有重疊。而在滾動窗口中，每個事件只屬于一個窗口，不會重復計算。

選擇窗口類型

選擇使用哪種類型的窗口取決于具體的應用場景和業務需求：

• 「滾動窗口」適合對固定時間間隔內的數據進行獨立的聚合計算。
• 「滑動窗口」適合需要高頻率、細粒度分析的場景，可以捕捉到更多的細節變化。
• 「會話窗口」適合處理用戶行為或事件流，間隔一段時間沒有活動就認為當前會話結束。
• 「自定義窗口」和「全局窗口」適合特殊需求，提供更靈活的窗口定義和計算方式。

通過理解和合理選擇窗口類型，可以有效地進行流數據處理和分析，滿足不同的業務需求。