从零开始学Flink：Flink SQL 窗口(Window)操作详解

在上一篇 Flink SQL 极简入门 中，我们体验了 Flink SQL 的基础用法。但在流处理中，最核心、最迷人（也最让人头秃）的概念莫过于“时间”和“窗口（Window）”。
你可能经常听到这样的业务需求：

• “每 5 分钟统计一次订单总量”
  
• “实时统计过去 1 小时内的热门商品，每 10 秒更新一次”
  
• “每天 0 点到当前时刻的累计 PV”
  

这些需求都离不开窗口。今天，我们就来深入 Flink SQL 的窗口机制，看看它是如何驯服无限数据流的。
什么是窗口 (Window)？

流数据（Stream）是无限的，像水流一样源源不断。我们无法计算“无限流”的总和（因为永远算不完）。为了计算，我们需要把无限的流“切”成有限的块，这个“切”的操作就是开窗（Windowing）。
在 Flink SQL 中，窗口主要用于将时间序列上的数据分桶，然后在桶内进行聚合计算（如 SUM, COUNT, AVG）。
新一代标准：Window TVF

在 Flink 1.13 之前，我们主要使用 GROUP WINDOW（如 TUMBLE(rowtime, ...) 在 GROUP BY 子句中）。但从 Flink 1.13 开始，官方推荐使用 Window TVF (Table-Valued Functions)。
Window TVF 符合 SQL 2016 标准，语法更自然，功能更强大（支持 TopN、去重等复杂操作）。本文将以 Window TVF 为主进行讲解。
核心语法结构通常如下：

1. SELECT window_start, window_end, SUM(price)FROM TABLE(    -- 窗口函数    TUMBLE(TABLE my_table, DESCRIPTOR(ts), INTERVAL '5' MINUTE))GROUP BY window_start, window_end;

复制代码

三大核心窗口类型

1. 滚动窗口 (Tumble Window)

特点：窗口大小固定，窗口之间不重叠，首尾相接。
场景：每隔 5 分钟统计一次。

语法：
TUMBLE(TABLE data, DESCRIPTOR(time_col), INTERVAL '10' MINUTE)
2. 滑动窗口 (Hop Window)

特点：窗口大小固定，但窗口之间可以重叠。它有两个参数：

• Window Size (窗口大小)：统计多长时间的数据（如“过去 1 小时”）。
  
• Window Slide (滑动步长)：多久更新一次结果（如“每 5 分钟”）。
  

场景：每 5 分钟，统计过去 1 小时的 PV。

语法：
HOP(TABLE data, DESCRIPTOR(time_col), INTERVAL '5' MINUTE, INTERVAL '1' HOUR)
注意：参数顺序是先 Slide (步长)，后 Size (大小)。
3. 累积窗口 (Cumulate Window)

特点：这是 Flink 特有的窗口，用于解决“每天 0 点至今的累计值”这类需求。它会按步长输出一个个不断变大的窗口，直到达到最大窗口大小。
场景：每天的实时累计销售额（每 10 分钟更新一次看到当天的累计值）。

语法：
CUMULATE(TABLE data, DESCRIPTOR(time_col), INTERVAL '10' MINUTE, INTERVAL '1' DAY)
实战：处理“过去 5 分钟的订单总额”

让我们回到开头的经典需求。假设我们有一个订单流 orders。
0. 准备数据环境

首先，我们启动 SQL Client

1. ./bin/sql-client.sh

复制代码

创建一个模拟的订单源表（使用 DataGen 连接器）：

1. CREATE TABLE orders (    order_id INT,    price DOUBLE,    order_time TIMESTAMP(3),    -- 定义水位线，基于 order_time，延迟 0 秒    WATERMARK FOR order_time AS order_time - INTERVAL '0' SECOND) WITH (    'connector' = 'datagen',    'rows-per-second' = '1',    'fields.price.min' = '10',    'fields.price.max' = '100');

复制代码

需求一：每 5 分钟，统计该 5 分钟内的订单总额

这是一个典型的滚动窗口 (Tumble)。比如 12:00-12:05 一个结果，12:05-12:10 一个结果。

1. SELECT     window_start,     window_end,     COUNT(*) as total_orders,     SUM(price) as total_amountFROM TABLE(    TUMBLE(TABLE orders, DESCRIPTOR(order_time), INTERVAL '5' MINUTE))GROUP BY window_start, window_end;

复制代码

运行结果示例：

需求二：实时统计“过去 5 分钟”的订单总额，每 1 分钟更新一次

这是一个典型的滑动窗口 (Hop)。

• 窗口大小：5 分钟
  
• 滑动步长：1 分钟
  

这样，12:00 输出 [11:55, 12:00] 的数据；12:01 输出 [11:56, 12:01] 的数据。

1. SELECT     window_start,     window_end,     SUM(price) as total_amountFROM TABLE(    HOP(TABLE orders, DESCRIPTOR(order_time), INTERVAL '1' MINUTE, INTERVAL '5' MINUTE))GROUP BY window_start, window_end;

复制代码

运行结果示例：

注意：
HOP 函数的参数中，第一个时间是滑动步长 (Slide)，第二个时间是窗口大小 (Size)。千万别搞反了！
INTERVAL '1' MINUTE = Slide (更新频率)
INTERVAL '5' MINUTE = Size (统计范围)
总结

Flink SQL 的 Window TVF 极大地简化了窗口聚合的写法。

• TUMBLE: 规规矩矩，互不干扰（分批统计）。
  
• HOP: 藕断丝连，频繁更新（移动平均/最近 N 分钟）。
  
• CUMULATE: 聚沙成塔，越积越多（日报/大屏累计）。
  

掌握了这三种窗口，你就能覆盖 90% 的实时统计需求了。
下一篇，我们将挑战更复杂的场景：双流 JOIN，看看当“订单流”遇到“用户流”，Flink 该如何处理？
原文来自

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！