流处理窗口

定义

窗口(Window)是流处理中把无界数据流切分为有限片段的机制。由于无限流上无法直接求和、计数或排序,必须先框定一个范围,窗口就是这个范围的抽象,是流上聚合计算的基础。

常见类型

• 滚动窗口(Tumbling):固定长度、首尾相接不重叠,如每 5 分钟统计一次 PV;
• 滑动窗口(Sliding/Hopping):固定长度但按更小步长滑动,窗口之间重叠,如每 1 分钟输出最近 5 分钟均值;
• 会话窗口(Session):按活动间隙切分,静默超过阈值即关闭窗口,适合用户行为分析;
• 计数窗口:按元素条数而非时间划分。

时间语义

窗口可基于事件时间或处理时间划分。事件时间窗口配合水位线处理乱序数据,结果可重现;处理时间窗口实现简单但受系统速度影响。

实现

Flink、Kafka Streams、Spark Structured Streaming 等都提供上述窗口原语,并支持触发器、允许迟到等精细控制。