文档捉虫大赛火热进行中,好礼多多> HOT
在流式计算中,流通常是无穷无尽的,我们无法知道什么时候数据源会继续/停止发送数据,所以在流上处理聚合事件(count、sum 等)的处理方式与批处理中的处理方式会有所差异。在流上一般用窗口(Windows)来限定聚合的范围,例如“过去2分钟网站点击量的计数”、“在最近100个人中点赞这个视频的总人数”。窗口的概念相当于帮我们收集了一张有限数据的动态表,我们可以对表中的数据进行聚合计算。
窗口函数是一种特殊的函数,它并不在 SELECT 的投影列表中使用,而是在 GROUP BY 子句中使用。流计算 Oceanus 支持三种类型的窗口函数 TUMBLE、HOP 和 SESSION。
Flink 流处理介绍详见 及时流处理

TUMBLE WINDOW

TUMBLE WINDOW(滚动窗口)将每个进入的数据分配到一个指定窗口大小的窗口中。滚动窗口可以自定义固定的大小,并且不会出现重叠。我们可以对窗口内的数据进行计算。

语法

TUMBLE(time_attr, interval)
time_attr 参数表示时间戳字段,表示每条记录被处理的时间戳。如果指定为 PROCTIME 是自动生成的时间戳,记录了数据被 flink 处理的时刻,一般用在 Processing Time 模式下
interval 参数用来设置窗口大小。例如,设置为1天:INTERVAL '1' DAY;设置为2小时:INTERVAL '2' HOUR,其他用法可参见 时间相关函数
注意
如果在 Event Time 时间模式下(使用 WATERMARK FOR 语句定义了时间戳字段),那么 TUMBLE、HOP、SESSION 窗口函数的第一个参数必须为该字段。
如果在 Processing Time 时间模式下,则 TUMBLE、HOP、SESSION 窗口函数的第一个参数必须为 proctime() 函数生成的计算列,下文用 PROCTIME 举例,请在实际作业中替换为实际的列名。

标识函数

标识函数用来表示窗口的起始与结束时间。
函数名
功能描述
TUMBLE_START(time-attr, size-interval)
返回该窗口的起始时间
TUMBLE_END(time-attr, size-interval)
返回该窗口的结束时间

模拟用例

下文以 TUMBLE WINDOW 为例,帮助您更容易地理解 TUMBLE WINDOW。使用 Event Time 模拟统计每小时各用户收入金额。
示例数据:
username(VARCHAR)
income(BIGINT)
times(TIMESTAMP)
Tom
20
2021-11-11 10:30:00.0
Jack
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:40:00.0
Tom
15
2021-11-11 11:30:00.0
Jack
10
2021-11-11 11:30:00.0
Jack
15
2021-11-11 11:40:00.0
SQL 语句:
CREATE TABLE user_income (
username VARCHAR,
Income INT,
times TIMESTAMP(3),
WATERMARK FOR times AS times - INTERVAL '3' SECOND
) WITH (
...
);

CREATE TABLE output (
win_start TIMESTAMP,
win_end TIMESTAMP,
username VARCHAR,
hour_income BIGINT
)WITH(
...
);

INSERT INTO output
SELECT
TUMBLE_START(times,INTERVAL '1' HOUR),
TUMBLE_END(times,INTERVAL '1' HOUR),
username,
SUM(Income)
FROM user_income
GROUP BY TUMBLE(times,INTERVAL '1' HOUR),username;
输出结果:
win_start(TIMESTAMP)
win_end(TIMESTAMP)
username(VARCHAR)
hour_income(BIGINT)
2021-11-11 10:00:00.0
2021-11-11 11:00:00.0
Tom
40
2021-11-11 10:00:00.0
2021-11-11 11:00:00.0
Jack
10
2021-11-11 11:00:00.0
2021-11-11 12:00:00.0
Tom
15
2021-11-11 11:00:00.0
2021-11-11 12:00:00.0
Jack
25

HOP WINDOW

HOP WINDOW(滑动窗口)将元素分配到固定长度的窗口中,与滚动窗口类似,窗口的大小由窗口大小参数来配置,另一个窗口滑动参数控制滑动窗口开始的频率。
HOP WINDOW(滑动窗口)保持窗口大小(Size)不变,每次滑动指定的时间周期(Slide),因而允许窗口之间的相互重叠。
Slide 的大小决定了 Flink 创建新窗口的频率。
当 Slide 小于 Size 时(如图 window1 与 window2),相邻窗口会重叠,一个时间会被分配到多个窗口。
当 Slide 大于 Size 时(如图 window1 与 window4),可能会导致有些事件被丢弃。
当 Slide 等于 Size 时(如图 window1 与 window3),等于是 TUMBLE WINDOW。

语法

HOP(time_attr, sliding_interval, window_size_interval)
time_attr 参数表示时间戳字段,表示每条记录被处理的时间戳。如果指定为 PROCTIME 是自动生成的时间戳,记录了数据被 flink 处理的时刻,一般用在 Processing Time 模式下。
window_size_interval 参数用来设置窗口大小。例如,设置为1天:INTERVAL '1' DAY;设置为2小时:INTERVAL '2' HOUR,其他用法可参见 时间相关函数
sliding_interval 参数用来设置滑动时间周期大小。例如,设置为1天:INTERVAL '1' DAY;设置为2小时:INTERVAL '2' HOUR,其他用法可参见 时间相关函数

标识函数

标识函数用来表示窗口的起始与结束时间。
函数名
功能描述
HOP_START(time-attr, slide-interval,size-interval)
返回该窗口的起始时间
HOP_END(time-attr, slide-interval,size-interval)
返回该窗口的结束时间

模拟用例

下文以 HOP WINDOW 为例,帮助您更容易地理解 HOP WINDOW。使用 Event Time 模拟统计每小时各用户收入金额,每30分钟更新一次。1小时的窗口,10分钟滑动一次。
样例数据:
username(VARCHAR)
income(BIGINT)
times(TIMESTAMP)
Tom
20
2021-11-11 10:30:00.0
Jack
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:40:00.0
Tom
15
2021-11-11 11:35:00.0
Jack
10
2021-11-11 11:30:00.0
Jack
15
2021-11-11 11:40:00.0
SQL 语句:
CREATE TABLE user_income (
username VARCHAR,
Income INT,
times TIMESTAMP(3),
WATERMARK FOR times AS times - INTERVAL '3' MINUTE
)WITH(
...
);

CREATE TABLE output (
win_start TIMESTAMP,
win_end TIMESTAMP,
username VARCHAR,
hour_income BIGINT
)WITH(
...
);

INSERT INTO output
SELECT
HOP_START(times,INTERVAL '30' MINUTE,INTERVAL '1' HOUR),
HOP_END(times,INTERVAL '30' MINUTE,INTERVAL '1' HOUR),
username,
SUM(income)
FROM user_income
GROUP BY HOP(times,INTERVAL '30' MINUTE,INTERVAL '1' HOUR),username;
输出结果:
win_start(TIMESTAMP)
win_end(TIMESTAMP)
username(VARCHAR)
hour_income(BIGINT)
2021-11-11 10:00:00.0
2021-11-11 11:00:00.0
Tom
40
2021-11-11 10:00:00.0
2021-11-11 11:00:00.0
Jack
10
2021-11-11 10:30:00.0
2021-11-11 11:30:00.0
Jack
10
2021-11-11 10:30:00.0
2021-11-11 11:30:00.0
Tom
40
2021-11-11 11:00:00.0
2021-11-11 12:00:00.0
Tom
15
2021-11-11 11:00:00.0
2021-11-11 12:00:00.0
Jack
25
2021-11-11 11:30:00.0
2021-11-11 12:30:00.0
Jack
25
2021-11-11 11:30:00.0
2021-11-11 12:30:00.0
Tom
15

SESSION WINDOW

SESSION WINDOW(会话窗口)通过 session 活动对元素进行分组,session 窗口与滚动窗口和滑动窗口相比,不会有重叠和固定的开始时间和结束时间的情况,相反,当它在一个固定的时间周期内不再收到元素,即非活动间隔产生,那个这个窗口就会关闭。一个 session 窗口通过一个 session 间隔来配置。这个 session 间隔定义了非活跃周期的长度,当这个非活跃周期产生,那么当前的 session 将关闭并且后续的元素将被分配到新的 session 窗口中。
Session Window 并非以长度来划分窗口,而是以非活跃时间来划分。例如超过30分钟不活跃(没有新数据),则之前的窗口结束,下一个来到的数据将会形成一个新窗口。

语法

SESSION(time_attr, interval)
time_attr 参数表示时间戳字段,表示每条记录被处理的时间戳。如果指定为 PROCTIME 是自动生成的时间戳,记录了数据被 flink 处理的时刻,一般用在 Processing Time 模式下。
interval 参数用来设置窗口大小。例如,设置为1天:INTERVAL '1' DAY;设置为2小时:INTERVAL '2' HOUR,其他用法可参见 时间相关函数

标识函数

标识函数用来表示窗口的起始与结束时间。
函数名
功能描述
SESSION_START(time-attr, size-interval)
返回该窗口的起始时间
SESSION_END(time-attr, size-interval)
返回该窗口的结束时间

模拟用例

下文以 SESSION WINDOW 为例,帮助您更容易地理解 SESSION WINDOW。使用 Event Time 模拟统计每小时各用户收入金额,会话超时时长为30分钟。
样例数据:
username(VARCHAR)
income(BIGINT)
times(TIMESTAMP)
Tom
20
2021-11-11 10:30:00.0
Jack
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:35:00.0
Tom
10
2021-11-11 10:40:00.0
Tom
15
2021-11-11 11:50:00.0
Jack
10
2021-11-11 11:40:00.0
Jack
15
2021-11-11 11:45:00.0
SQL 语句:
CREATE TABLE user_income (
username VARCHAR,
Income INT,
times TIMESTAMP(3),
WATERMARK FOR times AS times - INTERVAL '3' MINUTE
)WITH(
...
);

CREATE TABLE output (
win_start TIMESTAMP,
win_end TIMESTAMP,
username VARCHAR,
hour_income BIGINT
)WITH(
...
);

INSERT INTO output
SELECT
SESSION_START(times,INTERVAL '30' MINUTE),
SESSION_END(times,INTERVAL '30' MINUTE),
username,
SUM(Income)
FORM user_income
GROUP BY SESSION(times,INTERVAL '30' MINUTE),username;
输出结果:
win_start(TIMESTAMP)
win_end(TIMESTAMP)
username(VARCHAR)
hour_income(BIGINT)
2021-11-11 10:30:00.0
2021-11-11 11:10:00.0
Tom
40
2021-11-11 10:35:00.0
2021-11-11 11:05:00.0
Jack
10
2021-11-11 11:30:00.0
2021-11-11 12:00:00.0
Tom
15
2021-11-11 11:30:00.0
2021-11-11 12:10:00.0
Jack
25

更多说明

以上三种窗口都有对应的辅助函数。以 TUMBLE 窗口为例(HOP、SESSION 也一样,只是前缀不同),辅助函数如下:
TUMBLE_ROWTIME:表示 TUMBLE 窗口的末端界限(包含,可用作 JOIN 或 GROUP 以及 OVER 条件,Event Time 时间模式下使用)。示例如下:
SELECT user,
TUMBLE_START(rowtime, INTERVAL '12' HOUR) AS sStart,
TUMBLE_ROWTIME(rowtime, INTERVAL '12' HOUR) AS snd,
SUM(amount)
FROM Orders
GROUP BY TUMBLE(rowtime, INTERVAL '12' HOUR), user
TUMBLE_PROCTIME:表示 TUMBLE 窗口的末端界限(包含,可用作 JOIN 或 GROUP 以及 OVER 条件,Processing Time 时间模式下使用)。示例如下:
SELECT user,
TUMBLE_START(PROCTIME, INTERVAL '12' HOUR) AS sStart,
TUMBLE_PROCTIME(PROCTIME, INTERVAL '12' HOUR) AS snd,
SUM(amount)
FROM Orders
GROUP BY TUMBLE(PROCTIME, INTERVAL '12' HOUR), user

目录