Window 介绍
streaming 流式计算是一种被设计用于处理无限数据集的数据处理引擎，而无限数据集是指一种不断增长的本质上无限的数据集，而 window 是一种切割无限数据为有限块进行处理的手段。
Window 是无限数据流处理的核心，Window 将一个无限的 stream拆分成有限大小的”buckets”桶，我们可以在这些桶上做计算操作。
Window 类型
Window 可以分成两类：
1、CountWindow（按照指定的数据条数生成一个 Window，与时间无关。）
2、TimeWindow（按照时间生成 Window）
对于 TimeWindow，可以根据窗口实现原理的不同分成三类：
滚动窗口（Tumbling Window）
将数据依据固定的窗口长度对数据进行切片。
特点：时间对齐，窗口长度固定，没有重叠。
滚动窗口分配器将每个元素分配到一个指定窗口大小的窗口中，滚动窗口有一 个固定的大小，并且不会出现重叠。
例如：如果你指定了一个 5 分钟大小的滚动窗 口，窗口的创建如下图所示：
适用场景：适合做 BI 统计等（做每个时间段的聚合计算）。
滑动窗口（Sliding Window）
滑动窗口是固定窗口的更广义的一种形式，滑动窗口由固定的窗口长度和滑动间隔组成。
特点：时间对齐，窗口长度固定，可以有重叠。
滑动窗口分配器将元素分配到固定长度的窗口中，与滚动窗口类似，窗口的大 小由窗口大小参数来配置，另一个窗口滑动参数控制滑动窗口开始的频率。因此， 滑动窗口如果滑动参数小于窗口大小的话，窗口是可以重叠的，在这种情况下元素 会被分配到多个窗口中。
例如，你有10分钟的窗口和5分钟的滑动，那么每个窗口中5分钟的窗口里包含着上个 10 分钟产生的数据，如下图所示：
适用场景：对最近一个时间段内的统计（求某接口最近 5min 的失败率来决定是否要报警）。
会话窗口（Session Window）
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。
特点：时间无对齐。
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，相反，当它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，那个这个窗口就会关 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。
