一文帮你搞懂flink中窗口的分类（一）
Window可以分成两类：
CountWindow：按照指定的数据条数生成一个Window，与时间无关。
滚动计数窗口，每隔N条数据，统计前N条数据
滑动计数窗口，每隔N条数据，统计前M条数据
TimeWindow：按照时间生成Window。（重点）
滚动时间窗口，每隔N时间，统计前N时间范围内的数据，窗口长度N，滑动距离N
滑动时间窗口，每隔N时间，统计前M时间范围内的数据，窗口长度M，滑动距离N
还有一种特殊的窗口函数：会话窗口，按照会话划定的窗口
基于时间的滑动和滚动窗口 [重点]
滚动窗口- TumblingWindow概念
流是连续的，无界的（有明确的开始，无明确的结束）
假设有个红绿灯，提出个问题：计算一下通过这个路口的汽车数量
对于这个问题，肯定是无法回答的，为何？
因为，统计是一种对固定数据进行计算的动作。
因为流的数据是源源不断的，无法满足固定数据的要求（因为不知道何时结束）
那么，我们换个问题：统计1分钟内通过的汽车数量
那么，对于这个问题，我们就可以解答了。因为这个问题确定了数据的边界，从无界的流数据中，取出了一部分有边界的数据子集合进行计算。
描述完整就是：每隔1分钟，统计这1分钟内通过汽车的数量。窗口长度是1分钟，时间间隔是1分钟，所以这样的窗口就是滚动窗口。
那么，这个行为或者说这个统计的数据边界，就称之为窗口。
同时，我们的问题，是以时间来划分被处理的数据边界的，那么按照时间划分边界的就称之为：时间窗口
反之，如果换个问题，统计100辆通过的车里面有多少宝马品牌，那么这个边界的划分就是按照数量的，这样的称之为：计数窗口
同时，这样的窗口被称之为滚动窗口，按照窗口划分依据分为：滚动时间窗口、滚动计数窗口。
滑动窗口– SlidingWindow概念
同样是需求，改为：
每隔1分钟，统计前面2分钟内通过的车辆数
对于这个需求我们可以看出，窗口长度是2分钟，每隔1分钟统计一次，窗口长度和时间间隔不相等，并且是大于关系，就是滑动窗口
或者：每通过100辆车，统计前面通过的50辆车的品牌占比
对于这个需求可以看出，窗口长度是50辆车，但是每隔100辆车统计一次
对于这样的窗口，我们称之为滑动窗口。
那么在这里面，统计多少数据是窗口长度（如统计2分钟内的数据，统计50辆车中的数据）
隔多久统计一次称之为滑动距离（如，每隔1分钟，每隔100辆车）
那么可以看出，滑动窗口，就是滑动距离不等于窗口长度的一种窗口
比如，每隔1分钟 统计先前5分钟的数据，窗口长度5分钟，滑动距离1分钟，不相等
比如，每隔100条数据，统计先前50条数据，窗口长度50条，滑动距离100条，不相等
那如果相等呢？相等就是比如：每隔1分钟统计前面1分钟的数据，窗口长度1分钟，滑动距离1分钟，相等。
对于这样的需求可以简化成：每隔1分钟统计一次数据，这就是前面说的滚动窗口
那么，我们可以看出：
滚动窗口：窗口长度= 滑动距离
滑动窗口：窗口长度！= 滑动距离
总结：其中可以发现，对于滑动窗口：
滑动距离> 窗口长度，会漏掉数据，比如：每隔5分钟，统计前面1分钟的数据（滑动距离5分钟，窗口长度1分钟，漏掉4分钟的数据）这样的东西，没人用。
滑动距离< 窗口长度，会重复处理数据，比如：每隔1分钟，统计前面5分钟的数据（滑动距离1分钟，窗口长度5分钟，重复处理4分钟的数据）
滑动距离= 窗口长度，不漏也不会重复，也就是滚动窗口
窗口的长度(大小) > 窗口的间隔 : 如每隔5s, 计算最近10s的数据 【滑动窗口】
窗口的长度(大小) = 窗口的间隔: 如每隔10s,计算最近10s的数据 【滚动窗口】
窗口的长度(大小) < 窗口的间隔: 每隔15s,计算最近10s的数据 【没有名字,不用】
会话窗口 [了解]
Session 会话，一次会话。就是谈话。
设置一个会话超时时间间隔即可, 如10分钟,那么表示:
如果10分钟没有数据到来, 就计算上一个窗口的数据
代码中，并行度设置为1，测试比较 方便。
窗口的范围：
窗口的判断是按照毫秒为单位
如果窗口长度是5秒
窗口的开始: start
窗口的结束: start + 窗口长度 -1 毫秒
比如窗口长度是5秒, 从0开始
那么窗口结束是: 0 + 5000 -1 = 4999