Переверните от входа к настоящему аромату (12, Переверните большое окно времени оружия)

Flink поддерживает множество окон, в том числе: временное окно, окно сеанса, окно статистики и т. Д., Практически все, что можно вообразить, может быть реализовано

Временные окна (Time Windows)
Самая простая и наиболее часто используемая форма окна - это временные окна. Flink поддерживает три типа временных окон:

Первый: вращающееся временное окно

Окно временного окна ролловера фиксировано. Например, если установлено 1-минутное временное окно, временное окно будет вычислять данные только в пределах текущей 1 минуты и не будет учитывать данные предыдущей 1 минуты или следующей 1 минуты.
Время выравнивается, данные не будут отображаться в двух окнах одновременно и не будут перекрываться

Второй: скользящее временное окно (скользящее временное окно)

Скользящее окно, как следует из названия, временное окно скользящее. Итак, концептуально необходимо понять две концепции:

Окно: необходимо определить размер окна.
Скольжение: необходимо определить размер сдвига в окне, но теоретически размер сдвига не может превышать размер окна.
Скользящее окно является более общей формой фиксированного окна. Скользящее окно состоит из окна фиксированной длины и
Длина окна композиции скользящего интервала фиксированная, могут быть перекрывающиеся части

Третье: Сессионные окна (Сессионные окна)

Он состоит из серии событий, объединенных с интервалом тайм-аута на указанный промежуток времени, то есть новое окно будет сгенерировано, если новые данные не будут получены в течение определенного периода времени.
Основные особенности: Время не выровнено

window() 方法接收的输入参数是一个WindowAssigner

WindowAssigner 负责将每条输入的数据分发到正确的window中

Flink提供了通用的WindowAssigner
滚动窗口（tumbling window)
滑动窗口(sliding window)
会话窗口（session window)
全局窗口（global window)

创建不同类型的窗口

滚动时间窗口（tumbling time window）
timeWindow（Time.seconds(15))
滑动时间窗口（sliding time window)
.timeWindow(Time.seconds(15),Time.seconds(5))

会话窗口（session window)
.window(EventTimeSessionWindows.withGap(Time.minutes(10))

窗口函数（window function）
window function 定义了要对窗口中收集的数据做的计算操作，可以分为两类；
增量聚合函数（incrementalggergation functions)
每条数据来了就会进行计算，保持一个简单的状态
ReduceFunction， AggregateFunction
全窗口函数（full windowfunctions）
先把窗口所有数据收集起来，等到计算的时候会遍历所有数据
ProcessWindowFunction

其他一些常用的API
.trigger()---------触发器
定义window什么时候关闭，触发计算并输出结果
.evicotr()---------移除器
定义移除某些数据的逻辑
.allowedLateness()   ------允许处理迟到的数据
.sideOutputLateData() -----将迟到的数据放入侧输出流
.getSideOutput() ----获取侧输出流

Теория гласит, что это еще долго мило, последний каштан

Предполагая, что пакет данных считывается из файла, статистика производится каждые 15 секунд, и получается минимальное значение всех температур каждого датчика в окне и минимальная отметка времени.

Создайте новый объект Scala WindowTest.scala

package com.mafei.apitest

import com.mafei.sinktest.SensorReadingTest5
import org.apache.flink.api.common.functions.ReduceFunction
import org.apache.flink.streaming.api.scala.{StreamExecutionEnvironment, createTypeInformation}
import org.apache.flink.streaming.api.windowing.time.Time

object WindowTest {
  def main(args: Array[String]): Unit = {
    //创建执行环境
    val env = StreamExecutionEnvironment.getExecutionEnvironment
//    env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)  //以事件时间作为窗口聚合
//env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime)   //以数据进入flink的时间作为窗口时间
//    env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime) //以Flink实际处理时间作为窗口时间
    //如果发现没有输出，那可能是因为数据太少，不到15s都处理完成了，可以换成socket或者kafka来进行测试
    val inputStream = env.readTextFile("/opt/java2020_study/maven/flink1/src/main/resources/sensor.txt")

    env.setParallelism(1)
    inputStream.print()

    //先转换成样例类类型
    val dataStream = inputStream
      .map(data => {
        val arr = data.split(",") //按照,分割数据，获取结果
        SensorReadingTest5(arr(0), arr(1).toLong, arr(2).toDouble) //生成一个传感器类的数据，参数中传toLong和toDouble是因为默认分割后是字符串类别
      })

    //每15秒统计一次，窗口内各传感器所有温度的最小值，以及最小的时间戳
    val resultStream = dataStream
      .map(data=>(data.id,data.temperature,data.timestamp))
      .keyBy(_._1) //按照二元组的第一个元素（id)分组
//      .window(TumblingEventTimeWindows.of(Time.seconds(15))) //滚动时间窗口
//      .window(SlidingProcessingTimeWindows.of(Time.seconds(15),Time.seconds(3))) //滑动时间窗口，15秒一个窗口，每次往后划3秒
//      .window(EventTimeSessionWindows.withGap(Time.seconds(15))) //会话窗口，超过15秒算下一个会话
//      .countWindow(15) //滚动计数窗口
      .timeWindow(Time.seconds(15))  //每15秒统计一次，滚动时间窗口
//      .minBy(1)  //第二个元素做最小值的统计,如果只是获取所有温度的最小值，直接用这个方法就可以了。。
      .reduce((curRes,newData)=>(curRes._1, curRes._2.min(newData._2),newData._3))

    resultStream.print()
    env.execute()

  }
}

//上面reduce代码如果用这个自定义的方式也是一样可以实现，效果是一样的
class MyReducer extends ReduceFunction[SensorReadingTest5]{
  override def reduce(t: SensorReadingTest5, t1: SensorReadingTest5): SensorReadingTest5 =
    SensorReadingTest5(t.id, t1.timestamp,t.temperature.min(t1.temperature))
}

Подготовьте sensor.txt и поместите его в указанный каталог:

sensor1,1603766281,1
sensor2,1603766282,42
sensor3,1603766283,43
sensor4,1603766240,40.1
sensor4,1603766284,20
sensor4,1603766249,40.2

Структура окончательного кода и его запускающий эффект