Apache Flink是一个框架和分布式大数据处理引擎，可对有界数据流和无界数据流进行有状态计算。可部署在各种集群环境，对各种大小的数据规模进行快速计算。
Flink基本概念
流处理：特点是无限、实时，无需针对整个数据集执行操作，而是通过对系统传输的每个数据项执行操作，一般用于实时统计。
有界数据流：有明确定义的开始和结束，可以在执行任何计算之前通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。
无界数据流：有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是必须在获取后立即处理event。
处理无界数据通常要求以特定顺序(如事件发生的顺序)获取event，以便能够推断结果完整性。
个人认为，与Spark相比，Spark在生态总体上更加完善，在机器学习的集成以及易用程度更为领先，但Flink在流计算上有着明显优势且其核心架构和模型更为灵活。
随着阿里巴巴在2019年初将其内部版本”Blink”开源且不断推进和加深Flink社区的发展，以及目前市场上实时指标处理、实时数仓等需求的增多。
未来在大数据方向，机器学习逐渐从批处理、离线学习向实时处理和在线学习发展；在图计算领域，反欺诈事件都是实时的、持续不断发生，图计算也在变得实时化。
相信Flink日后的发展势头也将越发迅猛。
什么是Window？
在流处理应用中，数据是连续不断的，因此我们不可能等到所有数据都到了才开始处理。当然我们可以每来一条消息就处理一次，但有时需要做一些聚合类的处理。
例如：在过去的1分钟内有多少用户点击了网页。
在这种情况下，必须定义一个窗口，用来收集最近一分钟内的数据，并对这个窗口内的数据进行计算。
举一个简单的场景来形象地理解不同窗口的概念。
假设，淘宝网会记录每个用户每次购买的商品个数，我们要做的是统计不同窗口中用户购买商品的总数。
下图给出了几种经典的窗口切分概述图：
上图中，raw data stream代表用户的购买行为流，圈中的数字代表该用户本次购买的商品个数，事件是按时间分布的，所以可以看出事件之间是有time gap的。
窗口类型
Flink提供了上图中所有的窗口类型，下面来逐一介绍。
-
Time Window
是根据时间对数据流进行分组的，Flink提供了三种时间的概念，分别是event time(事件时间：事件发生的事件)，ingesting time(摄取时间：事件进入流处理系统的时间)，processing time(处理时间：消息被计算处理的时间)。
Flink中窗口机制和时间类型是完全解耦的，也就是说当需要改变时间类型时，不需要更改窗口逻辑相关的代码。
-
Tumbling Window
将数据依据固定的窗口长度对数据进行切片。
适用场景：适合做BI统计等。
如上图，我们需要统计每一分钟中用户购买的商品的总数，需要将用户的行为事件按每一分钟进行切分，这种切分被称为翻滚时间窗口。
翻滚窗口能将数据流切分成不重叠的窗口，每一个事件只能属于一个窗口。
通过DataStream API，可以这样实现：
// Stream of (userId, buyCnt)
val buyCnts: DataStream[(Int, Int)] = ...
val tumblingCnts: DataStream[(Int, Int)] = buyCnts
// key stream by userId
.keyBy(0)
// tumbling time window of 1 minute length
.timeWindow(Time.minutes(1))
// compute sum over buyCnt
.sum(1)
-
Sliding Windows
滑动窗口由固定的窗口长度和滑动间隔组成。
适用场景：对最近一个时间段内的统计。
比如，每30s计算一次最近一分钟用户购买的商品总数。在滑动窗口中，一个元素可以对应多个窗口。
通过DataStream API，可以这样实现：
val slidingCnts: DataStream[(Int, Int)] = buyCnts
.keyBy(0)
// sliding time window of 1 minute length and 30 secs trigger interval
.timeWindow(Time.minutes(1), Time.seconds(30))
.sum(1)
-
Session Window
由一系列事件组合一个指定时间长度的timeout间隙组成，类似于web应用的session，也就是一段时间没有接收到新数据就会生成新的窗口。
在这种用户交互事件流中，首先想到的是将事件聚合到会话窗口(一段用户持续活跃的周期)，由非活跃的间隙分隔开。
比如，计算每个用户在活跃期间总共购买的商品数量，如果用户30s内没有活动则视为会话断开。
Session Window示例如下：
// Stream of (userId, buyCnts)
val buyCnts: DataStream[(Int, Int)] = ...
val sessionCnts: DataStream[(Int, Int)] = vehicleCnts
.keyBy(0)
// session window based on a 30 seconds session gap interval
.window(ProcessingTimeSessionWindows.withGap(Time.seconds(30)))
.sum(1)
总结：
Window是无界数据流处理的核心，它可以将一个无限的Stream拆分成有限大小的"buckets"桶，并在这些桶上进行计算操作。
相当于在无限的流上定义了一个有限的元素集合，这个集合可以是基于时间的、元素个数的、会话间隙等，同时Flink的DataStream API还提供了简洁的算子来满足常用的窗口操作。
参考资料：
https://www.slidestalk.com/FlinkChina
https://www.zhihu.com/people/ververica
- 完 -
感兴趣的朋友记得关注公众号：普适极客噢