20250124 Flink中窗口开始时间和結束時間

增量聚合的 ProcessWindowFunction #

ProcessWindowFunction 可以与 ReduceFunction 或 AggregateFunction 搭配使用，使其能够在数据到达窗口的时候进行增量聚合。当窗口关闭时，ProcessWindowFunction 将会得到聚合的结果。这样它就可以增量聚合窗口的元素并且从 ProcessWindowFunction` 中获得窗口的元数据。

你也可以对过时的 WindowFunction 使用增量聚合。

使用 ReduceFunction 增量聚合 #

下例展示了如何将 ReduceFunction 与 ProcessWindowFunction 组合，返回窗口中的最小元素和窗口的开始时间。

DataStream<SensorReading> input = ...;

input
  .keyBy(<key selector>)
  .window(<window assigner>)
  .reduce(new MyReduceFunction(), new MyProcessWindowFunction());

// Function definitions

private static class MyReduceFunction implements ReduceFunction<SensorReading> {

  public SensorReading reduce(SensorReading r1, SensorReading r2) {
      return r1.value() > r2.value() ? r2 : r1;
  }
}

private static class MyProcessWindowFunction
    extends ProcessWindowFunction<SensorReading, Tuple2<Long, SensorReading>, String, TimeWindow> {

  public void process(String key,
                    Context context,
                    Iterable<SensorReading> minReadings,
                    Collector<Tuple2<Long, SensorReading>> out) {
      SensorReading min = minReadings.iterator().next();
      out.collect(new Tuple2<Long, SensorReading>(context.window().getStart(), min));
  }
}

通俗解释：窗口开始时间的作用

我们可以用一个更贴近生活的例子来理解 窗口开始时间 的意义。

场景比喻：每天上午的「温度统计报告

假设你有一个气象站，每5分钟记录一次户外温度。现在需要 每小时（例如8:00-9:00）统计一次该时段内的最低温度，并在报告中标注这个小时段的起始时间（如“8:00-9:00的最低温度是15°C”）。

关键点

窗口开始时间：就是时间段的起点（如8:00）。
窗口结束时间：就是时间段的终点（如9:00）。
为什么要记录开始时间？
方便人类理解数据属于哪个时段（比如“8点档”的数据）。

代码示例解析

1. 窗口如何划分？

假设使用 滚动窗口（Tumbling Window），每1小时划分一次：

Copy

8:00-9:00  → 窗口1  
9:00-10:00 → 窗口2

所有时间戳在8:00≤t<9:00的数据会被分配到窗口1。

2. 窗口触发计算的时机

当系统时间（或事件时间）到达9:00时，窗口1关闭，触发计算：

调用 MyReduceFunction 找出该窗口内的最低温度。
调用 MyProcessWindowFunction 将结果与窗口开始时间（8:00）绑定。

3. 为什么输出的是开始时间（8:00）而不是结束时间（9:00）？

业务需求：通常更关心数据所属时段的起点（例如“8点档的数据”）。
避免歧义：如果输出9:00，可能被误解为“9点档的数据”（实际是8:00-9:00的数据）。

代码中具体如何获取开始时间？

在 MyProcessWindowFunction 中：

context.window().getStart(); // 返回窗口的起始时间戳（如8:00对应的毫秒值）

context 对象：包含窗口的元信息（起止时间、触发时间等）。
实际输出时：将时间戳转换为人类可读格式（如 8:00）。

常见疑问解答

Q1：如果数据延迟到达（比如8:59的数据在9:05才到），会进入哪个窗口？

取决于时间语义：
- 若使用 事件时间（Event Time）：按数据自带的时间戳分配到8:00-9:00窗口。
- 若使用 处理时间（Processing Time）：按到达系统的时间分配到9:00-10:00窗口。
- （示例代码未显式设置时间语义，默认可能是处理时间）

Q2：窗口开始时间是如何计算的？

由窗口分配器（Window Assigner）决定：
- 滚动窗口按固定间隔对齐（如整点）。
- 滑动窗口按步长对齐（如每30分钟滑动一次的1小时窗口）。
- 会话窗口根据数据活跃度动态划分。

Q3：可以同时输出开始时间和结束时间吗？

可以！修改 ProcessWindowFunction：

out.collect(new Tuple3<>(context.window().getStart(), context.window().getEnd(), min));

总结

窗口开始时间 标记了数据所属时间段的起点（如“8:00档”）。
在 Flink 中，通过 ProcessWindowFunction 的 context 可以轻松获取这一信息。
这种设计让数据处理结果更易理解（如统计报告、监控仪表盘）。