窗口处理函数

什么是窗口处理函数

Flink 本身提供了多层 API，DataStream API 只是中间的一环，在更底层，我们可以不定义任何具体的算子（比如 map()，filter()，或者 window()），而只是提炼出一个统一的“处理”（process）操作——它是所有转换算子的一个概括性的表达，可以自定义处理逻辑，所以这一层接口就被叫作“处理函数”（process function）。

如何使用窗口处理函数

进行窗口计算，我们可以直接调用现成的简单聚合方法（sum()/max()/min()）,也可以通过调用 reduce()或 aggregate()来自定义一般的增量聚合函数（ReduceFunction/AggregateFucntion）；
而对于更加复杂、需要窗口信息和额外状态的一些场景，我们还可以直接使用全窗口函数、把数据全部收集保存在窗口内，等到触发窗口计算时再统一处理。窗口处理函数就是一种典型的全窗口函数。
窗 口 处 理 函 数 ProcessWindowFunction 的 使 用 与 其 他 窗 口 函 数 类 似 ， 也 是 基 于
WindowedStream 直接调用方法就可以，只不过这时调用的是 process()。

stream.keyBy(_._1) .window( TumblingEventTimeWindows.of(Time.seconds(10)) ) .process(new MyProcessWindowFunction)

rocessWindowFunction 是一个继承了 AbstractRichFunction 的抽象类，它有四个类型
参数：
IN：input，数据流中窗口任务的输入数据类型。
OUT：output，窗口任务进行计算之后的输出数据类型。
KEY：数据中键 key 的类型。
W：窗口的类型，是 Window 的子类型。一般情况下我们定义时间窗口，W 就是
TimeWindow。

因为全窗口函数不是逐个处理元素的，所以处理数据的方法在这里并不是 processElement()，
而是改成了 process()。方法包含四个参数。

  • key：窗口做统计计算基于的键，也就是之前 keyBy()用来分区的字段。
  • context：当前窗口进行计算的上下文，它的类型就是
  • ProcessWindowFunction 内部定 义的抽象类 Context。
  • elements：窗口收集到用来计算的所有数据，这是一个可迭代的集合类型。 out：用来发送数据输出计算结果的收集器，类型为Collector。

可以明显看出，这里的参数 elements 不再是一个输入数据，而是窗口中所有数据的集合。

ProcessWindowFunction 中除.process()方法外，并没有 onTimer()方法，而是多出了一个
clear()方法，这主要是方便我们进行窗口的清理工作。
至于另一种窗口处理函数 ProcessAllWinfdowFunction，它的用法非常类似。区别在于它基
于的是 AllWindowedStream，相当于对没有 keyBy()的数据流直接开窗并调用 process()方法:

stream.windowAll( TumblingEventTimeWindows.of(Time.seconds(10)) ).process(new MyProcessAllWindowFunction)