FLINK-窗口函数-ReduceFunction/AggregateFunction/ProcessWindowFunction

1.ReduceFunction

　　增量聚合，输入输出元素类型相同。

2.AggregateFunction

　　增量聚合，输入输出元素类型可以不相同。

3.ProcessWindowFunction

　　一些业务场景，我们需要收集窗口内所有的数据进行计算，例如计算窗口数据的中位数，或者计算窗口数据中出现频率最高的值。这样的需求，使用ReduceFunction和AggregateFunction就无法实现了。这个时候就需要ProcessWindowFunction了。

process()方法接受的参数为：

　　window的key，

　　Iterable迭代器包含窗口的所有元素，

　　Collector用于输出结果流。

　　Context参数和别的process方法一样。而ProcessWindowFunction的Context对象还可以访问window的元数据(窗口开始和结束时间)，当前处理时间和水位线，per-window state和per-key global state，side outputs。

• per-window state: 用于保存一些信息，这些信息可以被process()访问，只要process所处理的元素属于这个窗口。
• per-key global state: 同一个key，也就是在一条KeyedStream上，不同的window可以访问per-key global state保存的值。

4.结合使用

　　ReduceFunction/AggregateFunction和ProcessWindowFunction结合使用，分配到某个窗口的元素将被提前聚合，而当窗口的trigger触发时，也就是窗口收集完数据关闭时，将会把聚合结果发送到ProcessWindowFunction中，这时Iterable参数将会只有一个值，就是前面聚合的值。

input
  .keyBy(...)
  .timeWindow(...)
  .reduce(
    incrAggregator: ReduceFunction[IN],
    function: ProcessWindowFunction[IN, OUT, K, W])

input
  .keyBy(...)
  .timeWindow(...)
  .aggregate(
    incrAggregator: AggregateFunction[IN, ACC, V],
    windowFunction: ProcessWindowFunction[V, OUT, K, W])

结合使用：

1. 可将ProcessWindowFunction与增量聚合函数ReduceFunction、AggregateFunction结合。
2. 元素到达窗口时增量聚合，当窗口关闭时对增量聚合的结果用ProcessWindowFunction再进行全量聚合。
3. 既可以增量聚合，也可以访问窗口的元数据信息(如开始结束时间、状态等)。