Flink - Table API 之 window (窗口)

窗口

• 时间语义，要配合窗口操作才能发挥作用
• 在Table API 和 SQL 中，主要有两种窗口

Group Window(分组窗口)

• 根据时间或行计数间隔，将行聚合到有限的组(Group)中，并对每个组的数据执行一次聚合函数

Over Windows

• 针对每个输入行，计算相邻范围内的聚合

Group Windows

• Group Windows是使用window(w:GroupWindows)子句定义的，并且必须由as子句指定一个别名

• 为了按窗口对表进行分组，窗口的别名必须在group by子句中，像常规的分组字段一样引用

  Table table = input
  	.window(w:GroupWindow] as "w") //定义窗口，别名为"w"
  	.groupBy("w","a")  // 按照字段a和窗口w分组
  	.select("a,b.sum"); // 聚合
  

• Table API 提供了一组具有特定语义的预定义Window类，这些类会被转换为底层DataStream或DataSet的窗口操作

滚动窗口(Tumbling windows)

• 滚动窗口要用Tunble类来定义

  //Tumbling Event-time Window
  .window(Tumble.over("10.minutes").on("rowtime").as("w"))
  
  // Tumbling Processing-tiem Window
  .window(Tumble.over("10.minutes").on("proctime").as("w"))
  
  // Tumbling Row-count Window
  .window(Tumble.over("10.rows").on("proctime").as("w"))
  

滑动窗口(Sliding windows)

• 滑动窗口要用Slide类来定义

  //Sliding Event-time Window
  .window(Slide.over("10.minutes").every("5.minutes").on("rowtime").as("w"))
  
  // Sliding Processing-tiem Window
  .window(Slide.over("10.minutes").every("5.minutes").on("proctime").as("w"))
  
  // Sliding Row-count Window
  .window(Slide.over("10.rows").every("5.rows").on("proctime").as("w"))
  

会话窗口 (Session Window)

• 会话窗口要用Session类来定义

  // Session Event-time window
  .window(Session.withGap("10.minutes").on("rowtime").as("w"))
  
  // Session Processing-time window
  .window(Session.withGap("10.minutes").on("proctime").as("w"))
  

SQL中的Group Windows

• Group Windows定义在SQL查询的Group By子句中

  TUMBLE(time_attr,interval)

  • 定义一个滚动窗口，第一个参数是时间字段，第二个参数是窗口字段

  HOP(time_attr,interval,interval)

  • 定义一个滑动窗口，第一个参数是时间字段，第二个参数是窗口滑动步长，第三是窗口长度

  SESSION(time_attr,interval)

  • 定义一个会话窗口，第一个参数是时间字段，第二个参数是窗口间隔。

• 案例代码

  public static void main(String[] args) throws Exception {
          StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
  
          env.setParallelism(1);
  
          DataStream<String> fileDataStream = env.readTextFile("data/temps.txt");
  
  
          DataStream<TempInfo> dataStream = fileDataStream.map(new MapFunction<String, TempInfo>() {
              @Override
              public TempInfo map(String value) throws Exception {
                  String[] split = value.split(",");
                  return new TempInfo(split[0], new Long(split[1]), new Double(split[2]));
              }
          }).assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor<TempInfo>(Time.seconds(1)) {
              @Override
              public long extractTimestamp(TempInfo element) {
                  return element.getTimeStamp() * 1000L;
              }
          });
  
          StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env);
  
          //Table dataTable = tableEnv.fromDataStream(dataStream, "id, timeStamp.rowtime as ts , temp, pt.proctime");
  
          //Table dataTable = tableEnv.fromDataStream(dataStream, "id, timeStamp.rowtime as ts , temp, rt.rowtime");
          Table dataTable = tableEnv.fromDataStream(dataStream,"id, timeStamp as ts, temp, rt.rowtime");
          
          // 构建视图
          tableEnv.createTemporaryView("sensor",dataTable);
  
  
          // 窗口操作
          // 1. Group Window
          // table API
          Table resTable = dataTable.window(Tumble.over("10.seconds").on("rt").as("tw"))
                  .groupBy("id,tw")
                  .select("id, id.count, temp.avg");
  
          // SQL
         Table resSqlTable = tableEnv.sqlQuery("SELECT id, count(id) as cnt, avg(temp) as avgTemp, tumble_end(rt,interval '10' second)" +
                  "from sensor group by id, tumble(rt,interval '10' second) ");
  
  
  
          // 2. Over Window
          // table API
          Table overTable = dataTable.window(Over.partitionBy("id").orderBy("rt").preceding("2.rows").as("ow"))
                  .select("id, rt, id.count over ow,temp.avg over ow");
  
          // SQL
          tableEnv.sqlQuery("select id, rt, count(id) over ow, avg(temp) over ow "+
                  " from sensor "+
                  " window ow as (partition by id order by rt rows between 2 preceding and current row)");
  
  
  
          tableEnv.toAppendStream(resTable, Row.class).print("group window");
          tableEnv.toAppendStream(resSqlTable, Row.class).print("resSqlTable");
          tableEnv.toRetractStream(overTable,Row.class).print("over window");
  
          env.execute();
      }
  

Over Windows

• Over window聚合是标准SQL中已有的(over子句)，可以在查询的SELECT 子句中定义

• Over window聚合，会针对每个输入行，计算相邻行范围内的聚合

• Over windows使用window(w:overwindows*)子句定义，并在select()方法中通过别名来引用

  Table table = input
  	.window([w:OverWindow] as "w")
  	.select("a, b.sum over w, c.min over w");
  

• Table API 提供了Over类，来配置Over窗口的属性

无界 Over Windows

• 可以在事件时间或处理时间，以及指定为时间间隔，或行计数的范围内，定义Over windows
• 无界的over windows 是使用常量指定的

// 无界的事件时间 over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_RANGE).as("w"))

// 无界的处理时间 over window
.window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_RANGE).as("w"))

// 无界的事件时间 Row-count over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding(UNBOUNDED_ROW).as("w"))

// 无界的处理时间 Row-count over window
.window(Over.partitionBy("a").orderBy("proctime").preceding(UNBOUNDED_ROW).as("w"))

有界 Over Windows

• 有界的over window 是用间隔的大小指定的

// 有界的事件时间over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding("1.minutes").as("w"))

// 有界的处理时间 over window
.window(Over.partitionBy("a").orderBy("proctime").preceding("1.minutes").as("w"))

// 有界的事件时间 Row-count over window
.window(Over.partitionBy("a").orderBy("rowtime").preceding("10.rows").as("w"))

// 有届的处理时间 Row-count over window
.window(Over.partitionBy("a").orderBy("proctime").preceding("10.rows").as("w"))

SQL中的Over Windows

• 用Over做窗口聚合时，所有聚合必须在同一个窗口上定义，也就是说必须是相同的分区，排序和范围

• 目前仅支持在当前行范围之前的窗口

• ORDER BY 必须在单一的时间属性上指定

  SELECT COUNT(amount) OVER(
  	PARTITION BY user
  	ORDER BY proctime
  	ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
  FROM Orders