第三章Flink高级API开发课程目标掌握Flink的Time分类及各自作用掌握Flink的Window操作及原理掌握Flink的State操作及原理掌握Flink的Checkpoint操作及原理了解Flink的任务链1.Flink的Window操作Flink认为Batch是Streaming的一个特例，所以Flink底层引擎是一个流式引擎，在上面实现了流处理和批处理。而窗口（window）就是从Streaming到Batch的一个桥梁。Flink提供了非常完善的窗口机制。1.1为什么需要Window在流处理应用中，数据是连续不断的，有时我们需要做一些聚合类的处理，例如：在过去的1分钟内有多少用户点击了我们的网页。在这种情况下，我们必须定义一个窗口(window)，用来收集最近1分钟内的数据，并对这个窗口内的数据进行计算。Windows是处理无限流的核心。Windows将流拆分为有限大小的“桶”，我们可以对其进行计算。1.2Flink窗口应用代码结构Flink的窗口算子为我们提供了方便易用的API，我们可以将数据流切分成一个个窗口，对窗口内的数据进行处理。本文将介绍如何在Flink上进行窗口的计算。一个Flink窗口应用的大致骨架结构如下所示：KeyedWindow//KeyedWindowstream.keyBy(...)<-按照一个Key进行分组.window(...)<-将数据流中的元素分配到相应的窗口中[.trigger(...)]<-指定触发器Trigger（可选）[.evictor(...)]<-指定清除器Evictor(可选).reduce/aggregate/process()<-窗口处理函数WindowFunctionNon-KeyedWindow//Non-KeyedWindowstream.windowAll(...)<-不分组，将数据流中的所有元素分配到相应的窗口中[.trigger(...)]<-指定触发器Trigger（可选）[.evictor(...)]<-指定清除器Evictor(可选).reduce/aggregate/process()<-窗口处理函数WindowFunction在上面，方括号([…])中的命令是可选的。这表明Flink允许您以多种不同的方式自定义窗口逻辑，使其最适合您的需求。首先：我们要决定是否对一个DataStream按照Key进行分组，这一步必须在窗口计算之前进行。经过keyBy的数据流将形成多组数据，下游算子的多个实例可以并行计算。windowAll不对数据流进行分组，所有数据将发送到下游算子单个实例上。决定是否分组之后，窗口的后续操作基本相同，经过windowAll的算子是不分组的窗口（Non-KeyedWindow），它们的原理和操作与KeyedWindow类似，唯一的区别在于所有数据将发送给下游的单个实例，或者说下游算子的并行度为1。1.3Window类型和概念Window可以分成两类：CountWindow：按照指定的数据条数生成一个Window，与时...
