大数据-120 Flink滑动窗口（Sliding Window）详解：原理、应用场景与实现示例

滑动窗口核心概念

滑动窗口是固定窗口更广义的一种形式，通过引入滑动间隔实现窗口的动态移动。它由两个关键参数组成：

• 窗口大小（window size）：决定每个窗口包含的数据范围
• 滑动步长（slide interval）：控制窗口的移动频率

当步长小于窗口大小时，窗口之间会产生重叠。例如，设置10分钟窗口+5分钟步长，系统每5分钟计算过去10分钟的数据。

窗口重叠机制

• 滑动窗口会有重叠部分，每个事件可能被包含在多个窗口中
• 重叠程度由窗口大小和滑动步长决定
• 窗口大小5分钟，滑动步长1分钟，则重叠部分为4分钟

典型应用场景

• 移动平均值（如股票5日均线）
• 最近一段时间的活跃用户统计
• 实时流量监控
• 传感器数据平滑处理

基于时间驱动实现示例

WindowedStream<Tuple2<String, Integer>, Tuple, TimeWindow> timeWindow = keyedStream
    .timeWindow(Time.seconds(10), Time.seconds(5));
timeWindow.apply(new MyTimeWindowFunction()).print();

基于事件驱动实现示例

WindowedStream<Tuple2<String, Integer>, Tuple, GlobalWindow> globalWindow = keyedStream
    .countWindow(3, 2);
globalWindow.apply(new MyCountWindowFuntion()).print();

会话窗口

会话窗口由一系列事件组合一个指定时间长度timeout间隙组成，类似于Web应用的Session。一段时间没有接收到新数据会生成新的窗口。

WindowedStream<Tuple2<String, Integer>, Tuple, TimeWindow> window = keyedStream
    .window(ProcessingTimeSessionWindows.withGap(Time.seconds(10)));