StreamingSystem (Google 流式团队著)-c1.Streaming101-7
Windowing (窗口计算)
余下的两个对于无边界数据的处理是窗口计算的类型。在深入探讨它们之间的差异之前，我应该弄清楚窗口化的确切含义，因为在上一节中我们只是简要地谈到了这一点。 窗口化只是简单的概念，即获取一个数据源（无界或有界），并沿时间边界将其切成有限的块进行处理（解释一下，其实窗口就是为了切分数据，帮助做指标或者特征的计算）。 图1-8显示了三种不同的窗口模式，不同的而窗口模式，就是切分无限数据到有限数据的方式
下面将详细介绍三种窗口模式
Fixed Windows（aka tumbling windows）固定窗口
我们之前讨论了固定窗口。 固定的窗口将时间切成具有固定大小的时间长度的段。 通常（如图1-9所示），将固定窗口的段均匀地应用于整个数据集，这是对齐窗口的一个示例。 在某些情况下未对齐窗口的一个示例是对数据的不同子集（例如，每个键）进行窗口偏移，以使窗口完成随着时间的推移更均匀地分布。
Sliding windows（aka hopping windows）滑动窗口
滑动窗口是固定窗口更加一般化的的形式，通过定义固定的长度或者固定周期定义的时间， 如果周期小于长度，则窗口重叠。 如果周期等于长度，则您有固定的窗口。 而且，如果周期大于长度，那么您将拥有一种奇怪的采样窗口，该采样窗口只能查看一段时间内数据的子集。 与固定窗口一样，滑动窗口通常是对齐的，尽管在某些用例中它们可以作为性能优化而未对齐。 注意，图1-8中的滑动窗口是按原样绘制的，以提供滑动运动的感觉。 实际上，所有五个窗口将应用于整个数据集。（解释一下，举个例子帮忙理解，比如我想做一个滑动窗口操作，每五分钟看过去一个小时的数据，这个例子里面，固定周期是5分钟，固定长度是一个小时，由于固定周期
Sessions 会话窗口
会话窗口是动态窗口的一个示例，由事件序列组成，这些事件序列以大于某个超时的不活动间隔终止。 会话通常用于通过将一系列与时间相关的事件（例如，观看视频序列）组合在一起来分析一段时间内的用户行为。 会话特殊的地方是，长度不能事先定义。 取决于所涉及的实际数据。 会话窗口也是未对齐窗口的典型示例，因为会话实际上在不同数据子集（例如，不同用户）之间永远不会完全相同。
前面详细讨论了Processing Time 和Event Time，下面将结合时间概念和窗口概念进行详细介绍，首先将介绍Processing time的window。
閱讀更多 北京IT民工 的文章
