提出问题
在流处理应用中，数据是 连续不断的，有些统计容易处理，比如：统计数据的数量，来一条数据，就 加1
但是，有些统计，需要指定 范围，才能更好的统计，如：时间范围
时间范围的应用场景：
每10分钟 统计 首页某商品的访问次数，如果访问量小于某个阈值，说明该商品没有展示价值，应立即撤下
景区监控，每30分钟 统计 景区内的人数，防止人数过多，发生安全问题
农业大数据，每2分钟 统计 温度、湿度等，防止秧苗死亡
结论
如上，当 数据连续不断时，要想做 统计，需要有个 范围，如：时间范围
时间范围 越小，越接近 实时处理（如果每2天统计一次，显然不是实时处理）
解决
此时，需要定义一个 window（窗口），用来收集最近 10 分钟内的数据，并对该窗口内的数据进行计算
window窗口
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，这是 Flink 最大的亮点之一
窗口就是 让数据堆积（不会像默认的流处理，来一条处理一条），只有 当满足触发计算的时候，才开始计算
窗口分类
时间窗口 time window（常用）
时间窗口，根据时间划分窗口，如：每 n 分钟进行统计
时间窗口分类：
- 基于time的滚动窗口（Tumbling Window）
- 基于time的滑动窗口（Sliding Window）
数量窗口 count window
累积一定数量的数据（不会像默认的流处理，来一条处理一条），当攒够数量时，才开始计算，比如：每来5个数据才计算
count window窗口分类：
基于数量的滚动窗口（Tumbling Window）
基于数量的滑动窗口（Sliding Window）
会话窗口 session window
详见 链接
总结
- 基于time的滚动窗口（Tumbling Window）（常用）
- 基于time的滑动窗口（Sliding Window）（常用）
- 基于数量的滚动窗口（Tumbling Window）
- 基于数量的滑动窗口（Sliding Window）
- 会话窗口 session window