【深入浅出flink】第15篇：flink第一个窗口的起始点和窗口的偏移量，你知道怎么计算吗？

大家好，我是雷恩Layne，这是《深入浅出flink》系列的第十五篇文章，希望能对您有所收获O(∩_∩)O

通常，我们通过dataStream.timeWindow或在dataStream.window传入一个窗口分配器来定义一个窗口。那么，第一个窗口的起点是什么，窗口的偏移量又是什么？假如，将第一个窗口的起点记为start，窗口大小为size，那么第一个窗口的范围是[start,start+size)，后面的窗口范围也可以定下来，在flink中是怎么算的呢？

源码分析

以滚动时间窗口为例，我们来看看dataStream.timeWindow的源码

public WindowedStream<T, KEY, TimeWindow> timeWindow(Time size) {
   
   
	if (environment.getStreamTimeCharacteristic() == TimeCharacteristic.ProcessingTime) {
   
   
		return window(TumblingProcessingTimeWindows.of(size));
	} else {
   
   
		return window(TumblingEventTimeWindows.of(size));
	}
}

生产环境下，一般使用TimeCharacteristic.EventTime语义，所以上面代码通过TumblingEventTimeWindows.of(size)返回一个TumblingEventTimeWindows(滚动时间窗口)，窗口的起点和偏移量就在TumblingEventTimeWindows类中定义的。

TumblingEventTimeWindows中的assignWindows方法定义了窗口范围的计算公式：

@Override
public Collection<TimeWindow> assignWindows(Object element, long timestamp, WindowAssignerContext context) {
   
   
	if (timestamp > Long.MIN_VALUE) {
   
   
		// Long.MIN_VALUE is currently assigned when no timestamp is present
		long start = TimeWindow.getWindowStartWithOffset(timestamp, offset, size);
		return Collections.singletonList(new TimeWindow(start, start + size));
	} else {
   
   
		throw new RuntimeException("Record has Long.MIN_VALUE timestamp (= no timestamp marker). " +
				"Is the time characteristic set to 'ProcessingTime', or did you forget to call " +
				"'DataStream.assignTimestampsAndWatermarks(...)'?");
	}
}

assignWindows用来分配Flink流处理中多个窗口的起止点，起点start计算如下：

long start = TimeWindow.getWindowStartWithOffset(timestamp, offset