本文为您介绍如何使用实时计算滑动窗口函数。

  说明 实时计算滑动窗口（HOP）暂不支持与LAST_VALUE、FIRST_VALUE或TopN函数共同使用。

什么是滑动窗口

滑动窗口（HOP），也被称作Sliding Window。不同于滚动窗口，滑动窗口的窗口可以重叠。

滑动窗口有两个参数：slide和size。slide为每次滑动的步长，size为窗口的大小。

• slide < size，则窗口会重叠，每个元素会被分配到多个窗口。
• slide = size，则等同于滚动窗口（TUMBLE）。
• slide > size，则为跳跃窗口，窗口之间不重叠且有间隙。

通常，大部分元素符合多个窗口情景，窗口是重叠的。因此，滑动窗口在计算移动平均数（moving averages）时很实用。例如，计算过去5分钟数据的平均值，每10秒钟更新一次，可以设置 slide为 10秒， size为 5分钟。下图为您展示间隔为30秒，窗口大小为1分钟的滑动窗口。

滑动窗口函数语法

HOP函数用在group by子句中，用来定义滑动窗口。

 

HOP(<time-attr>, <slide-interval>,<size-interval>)
<slide-interval>: INTERVAL 'string' timeUnit
<size-interval>: INTERVAL 'string' timeUnit            

  说明

<time-attr>参数必须是流中的一个合法的时间属性字段，指定为Processing Time或Event Time。 请参见窗口函数概述，了解如何定义时间属性和Watermark。

滑动窗口标识函数

使用滑动窗口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
HOP_START（<time-attr>, <slide-interval>, <size-interval>）	TIMESTAMP	返回窗口的起始时间（包含边界）。例如[00:10, 00:15) 窗口，返回00:10 。
HOP_END（<time-attr>, <slide-interval>, <size-interval>）	TIMESTAMP	返回窗口的结束时间（包含边界）。例如[00:00, 00:15) 窗口，返回00:15。
HOP_ROWTIME（<time-attr>, <slide-interval>, <size-interval>）	TIMESTAMP（rowtime-attr）	返回窗口的结束时间（不包含边界）。例如[00:00, 00:15) 窗口，返回00:14:59.999。返回值是一个rowtime attribute，即可以基于该字段做时间类型的操作，例如级联窗口，只能用在基于event time的window上。
HOP_PROCTIME（<time-attr>, <slide-interval>, <size-interval>）	TIMESTAMP（rowtime-attr）	返回窗口的结束时间（不包含边界）。例如[00:00, 00:15) 窗口，返回00:14:59.999 。返回值是一个proctime attribute，即可以基于该字段做时间类型的操作，例如级联窗口，只能用在基于processing time的window上。

示例

统计每个用户过去1分钟的单击次数，每30秒更新1次，即1分钟的窗口，30秒滑动1次。

• 测试数据

  username（VARCHAR）	click_url（VARCHAR）	ts（TIMESTAMP）
  Jark	http://taobao.com/xxx	2017-10-10 10:00:00.0
  Jark	http://taobao.com/xxx	2017-10-10 10:00:10.0
  Jark	http://taobao.com/xxx	2017-10-10 10:00:49.0
  Jark	http://taobao.com/xxx	2017-10-10 10:01:05.0
  Jark	http://taobao.com/xxx	2017-10-10 10:01:58.0
  Timo	http://taobao.com/xxx	2017-10-10 10:02:10.0

• 测试语句

CREATE TABLE user_clicks (
    username VARCHAR,
    click_url VARCHAR,
    ts TIMESTAMP,
    WATERMARK wk FOR ts AS WITHOFFSET (ts, 2000)--为rowtime定义Watermark。
) WITH ( TYPE = 'datahub',
        ...);
CREATE TABLE hop_output (
    window_start TIMESTAMP,
    window_end TIMESTAMP,
    username VARCHAR,
    clicks BIGINT
) WITH (TYPE = 'rds',
        ...);
INSERT INTO
    hop_output
SELECT
    HOP_START (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
    HOP_END (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
    username,
    COUNT (click_url)
FROM
    user_clicks
GROUP BY
    HOP (ts, INTERVAL '30' SECOND, INTERVAL '1' MINUTE),
    username   

• 测试结果

  window_start （TIMESTAMP）	window_end （TIMESTAMP）	username （VARCHAR）	clicks （BIGINT）
  2017-10-10 09:59:30.0	2017-10-10 10:00:30.0	Jark	2
  2017-10-10 10:00:00.0	2017-10-10 10:01:00.0	Jark	3
  2017-10-10 10:00:30.0	2017-10-10 10:01:30.0	Jark	2
  2017-10-10 10:01:00.0	2017-10-10 10:02:00.0	Jark	2
  2017-10-10 10:01:30.0	2017-10-10 10:02:30.0	Jark	1
  2017-10-10 10:02:00.0	2017-10-10 10:03:00.0	Timo	1
  2017-10-10 10:02:30.0	2017-10-10 10:03:30.0	Timo	1

  HOP窗口无法读取数据进入的时间，第一个窗口的开启时间会前移。 前移时长=窗口时长-滑动步长，示例如下表。

  窗口时长（秒）	滑动步长（秒）	Event Time	第一个窗口StartTime	第一个窗口EndTime
  120	30	2019-07-31 10:00:00.0	2019-07-31 09:58:30.0	2019-07-31 10:00:30.0
  60	10	2019-07-31 10:00:00.0	2019-07-31 09:59:10.0	2019-07-31 10:00:10.0