035.尚硅谷_Flink-流处理API_Window API_窗口概念

来给大家讲flink里边的window API，其实从广义上来讲的话，Window API也应该属于前面我们那一部分内容，就是属于这个data stream API，后面大家会看到他做的操作，你开窗嘛，对吧，开窗口你怎么样去开窗呢？它还是基于data stream API去做，呃，Data stream去做的，对吧？所以这个过程我们可以认为它是data stream API的一个扩展，但是这一部分单独拎出来就是因为它比较有特色，哎，它这个用法呢，可能跟之前我们提到的那些用法都不一样，而且在flink里边窗口的定义会更加的灵活，更加的复杂，所以接下来我们专门给大家介绍一下flink里边的window操作啊，那这一部分主要就是先给大家讲讲window的概念，然后呢讲一讲flink边window的类型，最后给大家说一下这个window API到底怎么去调用啊，那后面这个window API的调用呢，我们就要结合这个代码去分析了啊。首先我们来。

看概念啊，那这里边首先给大家提出一个问题，就是真实我们要处理处理的这个数据流啊，之前我们说它是有头没尾，无休无止的。那平常我们如果要是想对这个数据流去做一个统计，对吧，做一个聚合，做一个转换处理，你到底该怎么做呢？一种方法就是之前大家在这个处理的过程当中，我们定义了一个，呃，你像那个word count对吧？哎，直接把它替外之后，分组之后去做sum，然后或者说我们之前做那个reduce啊，所有的数据一条一条来，每来一条我就输出一个结果word count的话，我就输出当前更新了的那个count的值，那如果说要是那个reduce的话，我就输出当前更新了的那个温度的最小值，对吧？把当前它的那个最小值不停的更新，来一条数据更新一次，来一条数据更新一次。呃，这种应用当然是可以的，它主要应用在什么场景呢？就是刚才给大家说的啊，就是实时去做监控的这种场景，你要实时的看到它的变化啊，那这种的话，那就是每每来一个数，你就把它做一个这个调整就可以了，那往往更多的情况是什么呢？其实更多的情况是我也并你像我们做那个，呃，Work count的话，那应该是从头开始统计啊，这个可能还比较特殊一点，那如果说你要统计最小值的话，温度的最小值，那可能我并不是关心，就是从运行开始，对吧？我这个项目上线监控开始，那可能有可能是几个月几年之前的一个项目了，你从那个时候开始去统计，从头开始算起，到现在为止的最小值，有时候可能就没什么意义，对吧？哎，我更关心的其实是最近这段时间内的一段数据的，它的一个统计出来的一个值，比方说最小值，比方说最近，呃，像我们做这个电商项目，或者做其他的项目啊，近一个月。

之内的啊，日活对吧，月活啊，或或者说呃，最近一天之内的所有用户的点击量对吧？PVUV，算一下这些场景才是我们更常见的应用场景，那所以这里面就有一个问题了，如果说我想去截取每一段时间的数据去做处理的话，那应该怎么办呢？啊，那大家就看看到了，我其实就是说把这个无界的流，有头没尾的流要去截取有界流了吧。

啊，那如果说我截取的这个时间啊，就是你像我们说的每天的所有的数据对吧，或者说过去，呃，这这个一个月之内的数据啊，这些其实都是有一定的规则去截取出来的有界的数据，那这样的数据，这就是我们所说的窗口对吧？这样的切分数据的方式，截取有界流的方式就叫做窗口啊，啊那对于flink而言，大家得明确一下这个概念，就是呃，有同学可能可能觉得啊，窗口这个很好理解嘛，那你要这么说的话，那我就是相当于我这儿就就开了一个窗，我就在这等着嘛，呃，你就来数吧，来当前这个我在等着的这个时间范围内，比方说我这个八点到九点，对吧，我开一个窗，我在这等着，那只要是这个时间范围内来的数，我就全放到这个窗口里嘛，啊，这个当然是没有问题的，这是大家之前印象当中的这种这种想法对吧？呃，但是这里面会涉及到一个问题，就是。

说那你假如说你的窗口定义不仅仅是一个八点到九点呢，假如说诶我们这里边的问题就在于，假如说我不光八点到九点，我要切分一个窗口，我要去去做统计，然后8.05~9.05也要做一个切分，也要统计他这段时间内的创呃这个数据，诶那大家想你这个数据，那那应该怎么样呢？你你到底说这个数据最后统计的时候，你是，呃大家家可能会想到你在九点钟的时候，对吧？呃，你要统计一波，那那呃你到这个9.05的时候，他统计的数据还要统计一波啊，他统计的数据跟我们之前那个九点钟的数据其实不一样的，对吧？啊，所以在底层我们并不是只有一个窗口放在这儿，然后哎，就是按照时间，我就等着，等这个数来了就完事了，而是怎么样呢？就是在做操作的时候，其实窗口它是一个妥。

它是一个bucket，也就是说数据来了之后呢，会我们会根据数据啊，它到底应该属于哪个窗口去做一个分配，做一个分发，同一个数据有可能可以属于不同的窗口，对吧？啊，那这个时候就是你你想我们这里边这个来了一组数据，对吧？哎，那假如说啊，我现在这个窗口，它并不是直接来一个框，直接把它框起来的这样的窗口，而是什么呢？而是bucket，大家想到这个就是一个一个的这样的桶，对吧。

哎，所以这样的话，我就不要限制住来一个数据，我当前只有一个窗口，这些数据就只能进入到这个窗口里，而是怎么样呢？来了一个数据，我判断它，哎，比方说这个数据是09:02的啊，呃，08:02吧，前面我们说八点到九点对吧，那它当然就属于八点到九点的这个窗口，对吧？啊，这个是完全没问题的，那8.05~9.05这个窗口当然它就不属于了，所以当前这个数据它就只会进入到八点到九点这个窗口来，对吧，你就把它发到这个桶里边来一份数据就可以了。那后面来了一个，假如说这个数据是08:09的数据，那大就想到了，它既属于八点到九点，是不是也属于8.05~9.05啊，诶，所以这个数据它其实会直接分发到两个桶里面去啊，所以大家不要把这个概念就想的那么局限，对吧？我当前就是直接框一下，这个窗口就是一个框啊，然后这个定死了之后，那就是当前来的数全进这个框，不是这样的啊啊，就是这个窗口它可以是多个，你可以认为它是个桶，来了数据之后可以去做分发啊，这首先是这样的一个窗口的概念，呃。

我先把这一部分先给大家截取一下啊。