本文为您介绍如何使用实时计算Flink版滚动窗口函数。

1 定义

滚动窗口（TUMBLE）将每个元素分配到一个指定大小的窗口中。通常，滚动窗口有一个固定的大小，并且不会出现重叠。例如，如果指定了一个5分钟大小的滚动窗口，无限流的数据会根据时间划分为 [0:00, 0:05)、 [0:05, 0:10)、 [0:10, 0:15)等窗口。下图展示了一个30秒的滚动窗口。

2 语法

TUMBLE函数用在GROUP BY子句中，用来定义滚动窗口。

 

TUMBLE(<time-attr>, <size-interval>)
<size-interval>: INTERVAL 'string' timeUnit

  说明 <time-attr>参数必须是时间流中的一个合法的时间属性字段，指定为Processing Time或Event Time，请参见 概述，了解如何定义 时间属性和 Watermark。

 

3 标识函数

使用标识函数选出窗口的起始时间或者结束时间，窗口的时间属性用于下级Window的聚合。

窗口标识函数	返回类型	描述
TUMBLE_START(time-attr, size-interval)	TIMESTAMP	返回窗口的起始时间（包含边界）。例如[00:10,00:15)窗口，返回00:10。
TUMBLE_END(time-attr, size-interval)	TIMESTAMP	返回窗口的结束时间（包含边界）。例如[00:00, 00:15]窗口，返回00:15。
TUMBLE_ROWTIME(time-attr, size-interval)	TIMESTAMP(rowtime-attr)	返回窗口的结束时间（不包含边界）。例如[00:00, 00:15]窗口，返回00:14:59.999。返回值是一个rowtime attribute，即可以基于该字段做时间属性的操作，例如，级联窗口只能用在基于Event Time的Window上，详情请参见级联窗口。
TUMBLE_PROCTIME(time-attr, size-interval)	TIMESTAMP(rowtime-attr)	返回窗口的结束时间（不包含边界）。例如[00:00, 00:15]窗口，返回00:14:59.999。返回值是一个Proctime Attribute，即可以基于该字段做时间属性的操作。例如，级联窗口只能用在基于Processing Time的Window上，详情请参见级联窗口。

4 使用Event Time统计每个用户每分钟在指定网站的单击数示例

• 测试数据

  username（VARCHAR）	click_url（VARCHAR）	ts（TIMESTAMP）
  Jark	http://taobao.com/xxx	2017-10-10 10:00:00.0
  Jark	http://taobao.com/xxx	2017-10-10 10:00:10.0
  Jark	http://taobao.com/xxx	2017-10-10 10:00:49.0
  Jark	http://taobao.com/xxx	2017-10-10 10:01:05.0
  Jark	http://taobao.com/xxx	2017-10-10 10:01:58.0
  Timo	http://taobao.com/xxx	2017-10-10 10:02:10.0

• 测试语句

CREATE TABLE user_clicks(
  username varchar,
  click_url varchar,
  ts timeStamp,
  WATERMARK wk FOR ts as withOffset(ts, 2000) --为rowtime定义Watermark。
) with (
  type='datahub',
  ...
);

CREATE TABLE tumble_output(
  window_start TIMESTAMP,
  window_end TIMESTAMP,
  username VARCHAR,
  clicks BIGINT
) with (
  type='RDS'
);

INSERT INTO tumble_output
SELECT
TUMBLE_START(ts, INTERVAL '1' MINUTE) as window_start,
TUMBLE_END(ts, INTERVAL '1' MINUTE) as window_end,
username,
COUNT(click_url)
FROM user_clicks
GROUP BY TUMBLE(ts, INTERVAL '1' MINUTE), username;

• 测试结果

  window_start （TIMESTAMP）	window_end （TIMESTAMP）	username（VARCHAR）	clicks（BIGINT）
  2017-10-10 10:00:00.0	2017-10-10 10:01:00.0	Jark	3
  2017-10-10 10:01:00.0	2017-10-10 10:02:00.0	Jark	2
  2017-10-10 10:02:00.0	2017-10-10 10:03:00.0	Timo	1

5 使用Processing Time统计每个用户每分钟在指定网站的单击数示例

• 测试数据

  username （VARCHAR）	click_url（VARCHAR）
  Jark	http://taobao.com/xxx
  Jark	http://taobao.com/xxx
  Jark	http://taobao.com/xxx
  Jark	http://taobao.com/xxx
  Jark	http://taobao.com/xxx
  Timo	http://taobao.com/xxx

• 测试语句

CREATE TABLE window_test (
  username   VARCHAR,
  click_url  VARCHAR,
  ts as PROCTIME()
) WITH (
  type='datahub',
  ...
);

CREATE TABLE tumble_output(
  window_start TIMESTAMP,
  window_end TIMESTAMP,
  username VARCHAR,
  clicks BIGINT
) with (
  type='print'
);

INSERT INTO tumble_output
SELECT
TUMBLE_START(ts, INTERVAL '1' MINUTE),
TUMBLE_END(ts, INTERVAL '1' MINUTE),
username,
COUNT(click_url)
FROM window_test
GROUP BY TUMBLE(ts, INTERVAL '1' MINUTE), username;

• 测试结果

  window_start （TIMESTAMP）	window_end （TIMESTAMP）	username （VARCHAR）	clicks（BIGINT）
  2019-04-11 14:43:00.000	2019-04-11 14:44:00.000	Jark	5
  2019-04-11 14:43:00.000	2019-04-11 14:44:00.000	Timo	1

    说明 因为本地调试是瞬时的，处理时间可能小于1秒，所以使用Processing Time时间属性对数据进行窗口聚合，可能会出现本地调试没有结果的情况。