OVER視窗(OVER Window)是傳統資料庫的標準開窗,不同於Group By Window,OVER視窗中每1個元素都對應1個視窗。OVER視窗可以按照實際元素的行或實際的元素值(時間戳記值)確定視窗,因此流資料元素可能分布在多個視窗中。
在應用OVER視窗的流式資料中,每1個元素都對應1個OVER視窗。每1個元素都觸發1次資料計算,每個觸發計算的元素所確定的行,都是該元素所在視窗的最後1行。在Realtime Compute的底層實現中,OVER視窗的資料進行全域統一管理(資料只儲存1份),邏輯上為每1個元素維護1個OVER視窗,為每1個元素進行視窗計算,完成計算後會清除到期的資料。詳情請參見Over Aggregation。
文法
SELECT
agg1(col1) OVER (definition1) AS colName,
...
aggN(colN) OVER (definition1) AS colNameN
FROM Tab1;
agg1(col1):按照GROUP BY指定col1列對輸入資料進行彙總計算。
OVER (definition1):OVER視窗定義。
AS colName:別名。
agg1到aggN所對應的OVER definition1必須相同。
外層SQL可以通過AS的別名查詢資料。
類型
Flink SQL中對OVER視窗的定義遵循標準SQL的定義文法,傳統OVER視窗沒有對其進行更細粒度的視窗類別型命名劃分。按照計算行的定義方式,OVER Window可以分為以下兩類:
ROWS OVER Window:每1行元素都被視為新的計算行,即每1行都是一個新的視窗。
RANGE OVER Window:具有相同時間值的所有元素行視為同一計算行,即具有相同時間值的所有行都是同一個視窗。
屬性
正交屬性 | 說明 | proctime | eventtime |
ROWS OVER Window | 按照實際元素的行確定視窗。 | 支援 | 支援 |
RANGE OVER Window | 按照實際的元素值(時間戳記值)確定視窗。 | 支援 | 支援 |
Rows OVER Window語義
視窗資料
ROWS OVER Window的每個元素都確定一個視窗。
視窗文法
SELECT agg1(col1) OVER( [PARTITION BY (value_expression1,..., value_expressionN)] ORDER BY timeCol ROWS BETWEEN (UNBOUNDED | rowCount) PRECEDING AND CURRENT ROW) AS colName, ... FROM Tab1;
value_expression:分區值運算式。
timeCol:元素排序的時間欄位。
rowCount:定義根據當前行開始向前追溯幾行元素。
案例
以Bounded ROWS OVER Window情境為例。假設有一張商品上架表,包含商品ID、商品類型、商品上架時間、商品價格資料。要求輸出在當前商品上架之前同類的3個商品中的最高價格。
測試表tmall_item資料
itemid(VARCHAR)
itemtype(VARCHAR)
eventtime(VARCHAR)
price(DOUBLE)
ITEM001
Electronic
2024-11-11 10:01:00
20
ITEM002
Electronic
2024-11-11 10:02:00
50
ITEM003
Electronic
2024-11-11 10:03:00
30
ITEM004
Electronic
2024-11-11 10:03:00
60
ITEM005
Electronic
2024-11-11 10:05:00
40
ITEM006
Electronic
2024-11-11 10:06:00
20
ITEM007
Electronic
2024-11-11 10:07:00
70
ITEM008
Clothes
2024-11-11 10:08:00
20
測試代碼
CREATE TEMPORARY TABLE tmall_item( itemid VARCHAR, itemtype VARCHAR, eventtime varchar, onselltime AS TO_TIMESTAMP(eventtime), price DOUBLE, WATERMARK FOR onselltime AS onselltime - INTERVAL '2' SECOND -- 為Rowtime定義Watermark ) WITH ( 'connector' = 'kafka', 'topic' = '<yourTopic>', 'properties.bootstrap.servers' = '<brokers>', 'scan.startup.mode' = 'earliest-offset', 'format' = 'csv' ); SELECT itemid, itemtype, onselltime, price, MAX(price) OVER ( PARTITION BY itemtype ORDER BY onselltime ROWS BETWEEN 2 preceding AND CURRENT ROW) AS maxprice FROM tmall_item;
測試結果
itemid
itemtype
onselltime
price
maxprice
ITEM001
Electronic
2024-11-11 10:01:00
20
20
ITEM002
Electronic
2024-11-11 10:02:00
50
50
ITEM003
Electronic
2024-11-11 10:03:00
30
50
ITEM004
Electronic
2024-11-11 10:03:00
60
60
ITEM005
Electronic
2024-11-11 10:05:00
40
60
ITEM006
Electronic
2024-11-11 10:06:00
20
60
ITEM007
Electronic
2024-11-11 10:07:00
70
70
ITEM008
Clothes
2024-11-11 10:08:00
20
20
RANGE OVER Window語義
視窗資料
RANGE OVER Window所有具有共同元素值(元素時間戳記)的元素行確定一個視窗。
視窗文法
SELECT agg1(col1) OVER( [PARTITION BY (value_expression1,..., value_expressionN)] ORDER BY timeCol RANGE BETWEEN (UNBOUNDED | timeInterval) PRECEDING AND CURRENT ROW) AS colName, ... FROM Tab1;
value_expression:進行分區的字運算式。
timeCol:元素排序的時間欄位。
timeInterval:定義根據當前行開始向前追溯指定時間的元素行。
案例
Bounded RANGE OVER Window情境樣本:假設一張商品上架表,包含有商品ID、商品類型、商品上架時間、商品價格資料。需要求比當前商品上架時間早2分鐘的同類商品中的最高價格。
測試表tmall_item資料
itemid(VARCHAR)
itemtype(VARCHAR)
eventtime(VARCHAR)
price(DOUBLE)
ITEM001
Electronic
2024-11-11 10:01:00
20
ITEM002
Electronic
2024-11-11 10:02:00
50
ITEM003
Electronic
2024-11-11 10:03:00
30
ITEM004
Electronic
2024-11-11 10:03:00
60
ITEM005
Electronic
2024-11-11 10:05:00
40
ITEM006
Electronic
2024-11-11 10:06:00
20
ITEM007
Electronic
2024-11-11 10:07:00
70
ITEM008
Clothes
2024-11-11 10:08:00
20
測試代碼
CREATE TEMPORARY TABLE tmall_item( itemid VARCHAR, itemtype VARCHAR, eventtime varchar, onselltime AS TO_TIMESTAMP(eventtime), price DOUBLE, WATERMARK FOR onselltime AS onselltime - INTERVAL '2' SECOND -- 為Rowtime定義Watermark ) WITH ( 'connector' = 'kafka', 'topic' = '<yourTopic>', 'properties.bootstrap.servers' = '<brokers>', 'scan.startup.mode' = 'earliest-offset', 'format' = 'csv' ); SELECT itemid, itemtype, onselltime, price, MAX(price) OVER ( PARTITION BY itemtype ORDER BY onselltime RANGE BETWEEN INTERVAL '2' MINUTE preceding AND CURRENT ROW) AS maxprice FROM tmall_item;
測試結果
itemid
itemtype
onselltime
price
maxprice
ITEM001
Electronic
2024-11-11 10:01:00
20
20
ITEM002
Electronic
2024-11-11 10:02:00
50
50
ITEM003
Electronic
2024-11-11 10:03:00
30
50
ITEM004
Electronic
2024-11-11 10:03:00
60
60
ITEM005
Electronic
2024-11-11 10:05:00
40
60
ITEM006
Electronic
2024-11-11 10:06:00
20
40
ITEM007
Electronic
2024-11-11 10:07:00
70
70
ITEM008
Clothes
2024-11-11 10:08:00
20
20