本文为您介绍如何使用实时计算滑动窗口函数。

定义

滑动窗口(HOP),也被称作Sliding Window。不同于滚动窗口,滑动窗口的窗口可以重叠。

滑动窗口有两个参数: slide size slide 为每次滑动的步长, size 为窗口的大小。

  • slide < size ,则窗口会重叠,每个元素会被分配到多个窗口。
  • slide = size ,则等同于滚动窗口(TUMBLE)。
  • slide > size ,则为跳跃窗口,窗口之间不重叠且有间隙。
通常,大部分元素符合多个窗口情景,窗口是重叠的。因此,滑动窗口在计算移动平均数(moving averages)时很实用。例如,计算过去5分钟数据的平均值,每10秒钟更新一次,可以设置 slide 10 秒, size 5 分钟。下图为您展示间隔为30秒,窗口大小为1分钟的滑动窗口。 滑动窗口

语法

HOP函数用在group by子句中,用来定义滑动窗口。

HOP(<time-attr>, <slide-interval>,<size-interval>)
<slide-interval>: INTERVAL 'string' timeUnit
<size-interval>: INTERVAL 'string' timeUnit            
说明

<time-attr> 参数必须是流中的一个合法的时间属性字段,指定为Processing Time或Event Time。

标识函数

使用滑动窗口标识函数选出窗口的起始时间或者结束时间,窗口的时间属性用于下级Window的聚合。

窗口标识函数 返回类型 描述
HOP_START(time-attr, size-interval) TIMESTAMP 返回窗口的起始时间(包含边界)。例如 [00:10, 00:15) 窗口,返回 00:10
HOP_END(time-attr, size-interval) TIMESTAMP 返回窗口的结束时间(包含边界)。例如 [00:00, 00:15) 窗口,返回 00:15
HOP_ROWTIME(time-attr, size-interval) TIMESTAMP(rowtime-attr) 返回窗口的结束时间(不包含边界)。例如 [00:00, 00:15) 窗口,返回 00:14:59.999 。返回值是一个rowtime attribute,即可以基于该字段做时间类型的操作,例如级联窗口,只能用在基于event time的window上。

示例

统计每个用户过去1分钟的单击次数,每30秒更新1次,即1分钟的窗口,30秒滑动1次。

  • 测试数据
    username(VARCHAR) click_url(VARCHAR) ts(TIMESTAMP)
    Jark http://taobao.com/xxx 2017-10-10 10:00:00.0
    Jark http://taobao.com/xxx 2017-10-10 10:00:10.0
    Jark http://taobao.com/xxx 2017-10-10 10:00:49.0
    Jark http://taobao.com/xxx 2017-10-10 10:01:05.0
    Jark http://taobao.com/xxx 2017-10-10 10:01:58.0
    Timo http://taobao.com/xxx 2017-10-10 10:02:10.0
  • 测试语句
    CREATE TABLE user_clicks (
        username VARCHAR,
        click_url VARCHAR,
        ts TIMESTAMP,
        WATERMARK FOR ts AS ts - INTERVAL '5' SECOND
    ) WITH (
        'connector' = 'datahub',
    CREATE TABLE tumble_output (
        window_start TIMESTAMP,
        window_end TIMESTAMP,
        username VARCHAR,
        clicks BIGINT
    ) WITH (
        'connector' = 'rds',
    INSERT INTO tumble_output
    SELECT
        HOP_START (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
        HOP_END (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
        username,
        COUNT (click_url)
        user_clicks
    GROUP BY
        HOP (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
        username;               
  • 测试结果
    window_start (TIMESTAMP) window_end (TIMESTAMP) username (VARCHAR) clicks (BIGINT)
    2017-10-10 10:00:00.0 2017-10-10 10:01:00.0 Jark 3
    2017-10-10 10:00:30.0 2017-10-10 10:01:30.0 Jark 2
    2017-10-10 10:01:00.0 2017-10-10 10:02:00.0 Jark 2
    2017-10-10 10:01:30.0 2017-10-10 10:02:30.0 Jark 1
    2017-10-10 10:01:30.0 2017-10-10 10:02:30.0 Timo 1
    2017-10-10 10:02:00.0 2017-10-10 10:03:00.0 Timo 1