flink sql 事件时间 窗口计算案例

Flink SQL 的事件时间窗口计算是一种处理实时流数据的强大工具，它允许你基于事件发生的时间而不是传统的定时时间划分数据。例如，你可以创建滑动窗口，比如每5分钟滚动一次，或者Tumbling窗口，即固定长度的、不重叠的时段。

一个典型的案例是订单处理系统中的库存管理。假设有一个流表`orders`，包含订单的插入时间和商品ID。你可以设置一个按照订单时间戳的滑动窗口，比如5分钟，然后对每个窗口内的订单进行计数，以实时监控各个商品在过去的5分钟内有多少新订单。如果某个商品在一个窗口内新增订单超过阈值，就触发库存预警。

CREATE TABLE orders (
    order_id BIGINT,
    product_id BIGINT,
    event_time TIMESTAMP(3),
    WATERMARK FOR event_time AS event_time - INTERVAL '5' MINUTE
) WITH (
    'connector' = 'kafka',
    'topic' = 'orders-topic'
);

SELECT product_id, COUNT(*) as new_orders
FROM orders
GROUP BY TUMBLE(event_time, INTERVAL '5' MINUTE)
OVER (PARTITION BY product_id ORDER BY event_time);

在这个查询中，`WATERMARK`关键字定义了事件时间的水印，保证了迟到的数据不会影响到正在处理的窗口。`TUMBLE`函数则生成了固定大小的窗口。