Flink：会话窗口（Session Window）使用

红太狼 2024-03-23 11:56 59阅读 0赞

**会话窗口**

![12358b190b4e44b9afa2b2f9a121cc75.png][]

由一系列事件组合一个指定时间长度的timeout间隙组成，类似于web应用的session，也就是一段时间没有接收到新数据就会生成新的窗口。

session窗口分配器通过session活动来对元素进行分组，session窗口跟滚动窗口和滑动窗口相比，不会有重叠和固定的开始时间和结束时间的情况

session窗口在一个固定的时间周期内不再收到元素，即非活动间隔产生，那么这个窗口就会关闭。

一个session窗口通过一个session间隔来配置，这个session间隔定义了非活跃周期的长度，当这个非活跃周期产生，那么当前的session将关闭并且后续的元素将被分配到新的session窗口中去。

**特点**

*  会话窗口不重叠，没有固定的开始和结束时间
 *  与翻滚窗口和滑动窗口相反, 当会话窗口在一段时间内没有接收到元素时会关闭会话窗口。
 *  后续的元素将会被分配给新的会话窗口

<dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-java</artifactId>
        <version>1.7.2</version>
    </dependency>
    
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-streaming-java_2.12</artifactId>
        <version>1.7.2</version>
        <scope>provided</scope>
    </dependency>

**发送**

> netcat下载：https://blog.csdn.net/qq\_38762390/article/details/115789281

nc -lk 7777

import org.apache.flink.api.common.functions.MapFunction;
    import org.apache.flink.api.java.ExecutionEnvironment;
    import org.apache.flink.api.java.tuple.Tuple;
    import org.apache.flink.api.java.tuple.Tuple1;
    import org.apache.flink.streaming.api.datastream.DataStreamSource;
    import org.apache.flink.streaming.api.datastream.KeyedStream;
    import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
    import org.apache.flink.streaming.api.datastream.WindowedStream;
    import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
    import org.apache.flink.streaming.api.functions.windowing.WindowFunction;
    import org.apache.flink.streaming.api.windowing.assigners.ProcessingTimeSessionWindows;
    import org.apache.flink.streaming.api.windowing.time.Time;
    import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
    import org.apache.flink.util.Collector;
    
    public class SessionWindowDemo {
        public static void main(String[] args) throws Exception {
    
            // 获取数据源
            StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
            String hostname = "";
            int port = 7777;
            DataStreamSource<String> data = env.socketTextStream(hostname, port);
    
            // 创建窗口（TimeWindow)
            // 1.MapFunction第一个泛型表示输入的数据类型，第二个泛型表示输出的数据类型
            SingleOutputStreamOperator<Tuple1<String>> tupled = data.map(new MapFunction<String, Tuple1<String>>() {
    
                /**
                 * 键输入的字符串转成一元组
                 * @param s 输入的字符串
                 * @return 转化后的一元组
                 * @throws Exception
                 */
                public Tuple1<String> map(String s) throws Exception {
                    return new Tuple1<String>(s);
                }
            });
    
            // 2.按照一元组第一个元素分组（只有一个元素只能写0）
            KeyedStream<Tuple1<String>, Tuple> keyed = tupled.keyBy(0);
    
            // 3.获取事件滑窗口
            // 数据不断涌入，当停留时间超过5秒没有产生新数据，则会生成一个新窗口，新数据流入新窗口中
            WindowedStream<Tuple1<String>, Tuple, TimeWindow> sessionWindow = keyed.window(ProcessingTimeSessionWindows.withGap(Time.seconds(5)));
            // 利用时间滚动窗口对一个窗口内的数据进行处理
            // WindowFunction第一个泛型就是输入数据的数据类型；第二个泛型就是输出数据的数据类型；
            // 第三个就是key的数据类型；第四个就是窗口的数据类型
            SingleOutputStreamOperator<String> result = sessionWindow.apply(new WindowFunction<Tuple1<String>, String, Tuple, TimeWindow>() {
    
                /**
                 * 数据具体处理过程
                 * @param tuple key就是分组key
                 * @param timeWindow 时间滚动窗口
                 * @param iterable key组内的成员
                 * @param collector 数据处理后返回的结果的对象
                 * @throws Exception
                 */
                public void apply(Tuple tuple, TimeWindow timeWindow, Iterable<Tuple1<String>> iterable, Collector<String> collector) throws Exception {
                    for (Tuple1<String> t : iterable) {
                        collector.collect(t.getField(0).toString());
                    }
    
                }
            });
            result.print();
            env.execute();
        }
    }

[12358b190b4e44b9afa2b2f9a121cc75.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/65d20fb861644067931f126921c34aac.png