会话窗口(SESSION)通过session活动来对元素进行分组。会话窗口与滚动窗口和滑动窗口相比,没有窗口重叠,没有固定窗口大小。相反,当它在一个固定的时间周期内不再收到元素,即会话断开时,这个窗口就会关闭。
会话窗口通过一个间隔时间(gap)来配置,这个间隔定义了非活跃周期的长度。例如,一个表示鼠标点击活动的数据流可能具有长时间的空闲时间,并在其间散布着高浓度的点击。 如果数据在最短指定的间隔持续时间之后到达,则会开始一个新的窗口。
下图展示了一个会话窗口,注意每个key由于不同的数据分布有不同的window。
语法
SESSION函数用在GROUP BY子句中定义会话窗口。
SESSION(<time-attr>, <gap-interval>)
<gap-interval>: INTERVAL 'string' timeUnit
参数必须是流中的一个合法的时间属性字段,即指定了processing time或是event time。
您可以参考时间属性章节了解如何定义时间属性和watermark。
标识函数
使用标识函数选出窗口的起始时间或者结束时间,窗口的时间属性用于下级window的聚合。
窗口标识函数 |
返回类型 |
描述 |
SESSION_START(time-attr, size-interval) |
Timestamp |
返回窗口的起始时间(包含边界)。如[00:10, 00:15) 的窗口,返回00:10 。 |
SESSION_END(time-attr, size-interval) |
Timestamp |
返回窗口的结束时间(包含边界)。如[00:00, 00:15] 的窗口,返回00:15 。 |
SESSION_ROWTIME(time-attr, size-interval) |
Timestamp(rowtime-attr) |
返回窗口的结束时间(不包含边界)。如 [00:00, 00:15] 的窗口,返回 00:14:59.999 。返回值是一个rowtime attribute,也就是可以基于该字段做时间类型的操作,如级联窗口。 |
案例
统计每个用户在每个活跃会话期间的点击次数,会话超时时间30秒。
CREATE TABLE user_clicks(
username varchar,
click_url varchar,
ts timeStamp,
WATERMARK wk FOR ts as withOffset(ts, 2000)
) with (
type='datahub',
...
);
CREATE TABLE tumble_output(
window_start TIMESTAMP,
window_end TIMESTAMP,
username VARCHAR,
clicks BIGINT
) with (
type='rds'
);
INSERT INTO tumble_output
SELECT
SESSION_START(ts, INTERVAL '30' SECOND),
SESSION_END(ts, INTERVAL '30' SECOND),
username,
COUNT(click_url)
FROM user_clicks
GROUP BY SESSION(ts, INTERVAL '30' SECOND), username
测试数据
测试结果
window_start (TIMESTAMP) |
window_end (TIMESTAMP) |
username (VARCHAR) |
clicks (BIGINT) |
2017-10-10 10:00:00.0 |
2017-10-10 10:00:40.0 |
Jark |
2 |
2017-10-10 10:00:49.0 |
2017-10-10 10:01:35.0 |
Jark |
2 |
2017-10-10 10:01:58.0 |
2017-10-10 10:02:28.0 |
Jark |
1 |
2017-10-10 10:02:10.0 |
2017-10-10 10:02:40.0 |
Timo |
1 |