聊聊flink Table的Group Windows

本文旨在探讨flink table的group windows。

Table table = input
    .window([Window w].as("w"))  // 定义窗口并为其赋予别名 w
    .groupBy("w")  // 按窗口 w 分组表
    .select("b.sum");  // 聚合

Table table = input
    .window([Window w].as("w"))  // 定义窗口并为其赋予别名 w
    .groupBy("w, a")  // 按属性 a 和窗口 w 分组表
    .select("a, b.sum");  // 聚合

Table table = input
    .window([Window w].as("w"))  // 定义窗口并为其赋予别名 w
    .groupBy("w, a")  // 按属性 a 和窗口 w 分组表
    .select("a, w.start, w.end, w.rowtime, b.count"); // 聚合并添加窗口的开始、结束和行时间戳

窗口操作可以为Window设置别名，并在groupBy及select中引用该别名。窗口具有start、end和rowtime属性，其中start和rowtime是包含的，而end是排外的。

Tumbling Windows:

// 事件时间的Tumbling窗口
.window(Tumble.over("10.minutes").on("rowtime").as("w"));

// 处理时间的Tumbling窗口（假设有一个处理时间属性 "proctime"）
.window(Tumble.over("10.minutes").on("proctime").as("w"));

// 基于行数的Tumbling窗口（假设有一个处理时间属性 "proctime"）
.window(Tumble.over("10.rows").on("proctime").as("w"));

Tumbling Windows按照固定窗口大小移动，因此窗口之间不重叠；over方法用于指定窗口大小；窗口大小可以基于事件时间、处理时间或行数来定义。

Sliding Windows:

// 事件时间的Sliding窗口
.window(Slide.over("10.minutes").every("5.minutes").on("rowtime").as("w"));

// 处理时间的Sliding窗口（假设有一个处理时间属性 "proctime"）
.window(Slide.over("10.minutes").every("5.minutes").on("proctime").as("w"));

// 基于行数的Sliding窗口（假设有一个处理时间属性 "proctime"）
.window(Slide.over("10.rows").every("5.rows").on("proctime").as("w"));

当滑动间隔小于窗口大小时，Sliding Windows会导致窗口重叠，因此行可能属于多个窗口；over方法用于指定窗口大小，窗口大小可以基于事件时间、处理时间或行数来定义；every方法用于指定滑动间隔。

Session Windows:

// 事件时间的Session窗口
.window(Session.withGap("10.minutes").on("rowtime").as("w"));

// 处理时间的Session窗口（假设有一个处理时间属性 "proctime"）
.window(Session.withGap("10.minutes").on("proctime").as("w"));

Session Windows没有固定的窗口大小，它基于非活动时间的长度来关闭窗口，withGap方法用于指定两个窗口之间的间隔，作为时间间隔；Session Windows只能使用事件时间或处理时间。

Table类提供了window操作，接收Window参数，并创建WindowedTable对象。

class Table(
    private[flink] val tableEnv: TableEnvironment,
    private[flink] val logicalPlan: LogicalNode) {

  //......

  def window(window: Window): WindowedTable = {
    new WindowedTable(this, window)
  }

  //......
}

WindowedTable类仅提供groupBy操作，groupBy可以接收String类型的参数，也可以接收Expression类型的参数；String类型的参数会被转换为Expression类型，最终调用的是Expression类型的groupBy方法；如果groupBy操作除了窗口之外没有其他属性，则其并行度为1，只会在单个任务上执行；groupBy方法创建WindowGroupedTable对象。

class WindowedTable(
    private[flink] val table: Table,
    private[flink] val window: Window) {

  def groupBy(fields: Expression*): WindowGroupedTable = {
    val fieldsWithoutWindow = fields.filterNot(window.alias.equals(_))
    if (fields.size != fieldsWithoutWindow.size + 1) {
      throw new ValidationException("GroupBy must contain exactly one window alias.")
    }

    new WindowGroupedTable(table, fieldsWithoutWindow, window)
  }

  def groupBy(fields: String): WindowGroupedTable = {
    val fieldsExpr = ExpressionParser.parseExpressionList(fields)
    groupBy(fieldsExpr: _*)
  }

}

WindowGroupedTable类仅提供select操作，select可以接收String类型的参数，也可以接收Expression类型的参数；String类型的参数会被转换为Expression类型，最终调用的是Expression类型的select方法；select方法创建新的Table对象，其Project操作的子节点为WindowAggregate。

class WindowGroupedTable(
    private[flink] val table: Table,
    private[flink] val groupKeys: Seq[Expression],
    private[flink] val window: Window) {

  def select(fields: Expression*): Table = {
    val expandedFields = expandProjectList(fields, table.logicalPlan, table.tableEnv)
    val (aggNames, propNames) = extractAggregationsAndProperties(expandedFields, table.tableEnv)

    val projectsOnAgg = replaceAggregationsAndProperties(
      expandedFields, table.tableEnv, aggNames, propNames)

    val projectFields = extractFieldReferences(expandedFields ++ groupKeys :+ window.timeField)

    new Table(table.tableEnv,
      Project(
        projectsOnAgg,
        WindowAggregate(
          groupKeys,
          window.toLogicalWindow,
          propNames.map(a => Alias(a._1, a._2)).toSeq,
          aggNames.map(a => Alias(a._1, a._2)).toSeq,
          Project(projectFields, table.logicalPlan).validate(table.tableEnv)
        ).validate(table.tableEnv),
        // required for proper resolution of the time attribute in multi-windows
        explicitAlias = true
      ).validate(table.tableEnv))
  }

  def select(fields: String): Table = {
    val fieldExprs = ExpressionParser.parseExpressionList(fields)
    //get the correct expression for AggFunctionCall
    val withResolvedAggFunctionCall = fieldExprs.map(replaceAggFunctionCall(_, table.tableEnv))
    select(withResolvedAggFunctionCall: _*)
  }
}

总结：窗口操作可以为Window设置别名，并在groupBy及select中引用该别名。窗口具有start、end和rowtime属性，其中start和rowtime是包含的，而end是排外的。Tumbling Windows按固定窗口大小移动，不重叠；Sliding Windows在滑动间隔小于窗口大小的情况下会重叠；Session Windows基于非活动时间关闭窗口。Table类提供window操作，创建WindowedTable；WindowedTable提供groupBy操作，创建WindowGroupedTable；WindowGroupedTable提供select操作，创建新的Table，其Project操作的子节点为WindowAggregate。