时间窗口（windowing）

时间窗口可以在时间列上将数据按照一定规则进行分组和划分。

RisingWave 支持流处理中两种重要的时间窗口

滑动时间窗口（hopping windows）
滚动时间窗口（tumbling windows）

相信对流处理有所了解的读者应该对这两种时间窗口并不陌生，我们在这里不再赘述。简单来说只要记住这么几条：

滑动时间窗口有滑动间隔与窗口大小两个参数，而滚动时间窗口只有窗口大小一个参数；
滚动时间窗口是滑动时间窗口的特例；
滚动时间窗口相当于是滑动间隔与窗口大小一致滑动时间窗口；
滑动时间窗口允许两个相邻窗口重叠或完全不重叠，而滚动时间窗口的两个相邻窗口恰好不重叠。

在 RisingWave 中，时间窗口函数的输入和输出都是表，时间窗口需要指定输入表中的一个时间列，输出表其中每一行都包含一个时间窗的数据，和输入表的结构（schema）相比，输出表多了两个新列 window_start 和 window_end，分别指示时间窗口的开始和结束。

代码示例

假设我们有一条出租车行程数据流 taxi_trips：

| trip_id | taxi_id | completed_at        | distance | duration |
| ------- | ------- | ------------------- | -------- | -------- |
| 1       | 1001    | 2022-07-01 22:00:00 | 4        | 6        |
| 2       | 1002    | 2022-07-01 22:01:00 | 6        | 9        |
| 3       | 1003    | 2022-07-01 22:02:00 | 3        | 5        |
| 4       | 1004    | 2022-07-01 22:03:00 | 7        | 15       |
| 5       | 1005    | 2022-07-01 22:05:00 | 2        | 4        |
| 6       | 1006    | 2022-07-01 22:05:30 | 8        | 17       |

可以用滚动时间窗口获得每分钟的分组：

SELECT trip_id,  taxi_id, completed_at, window_start, window_end
FROM TUMBLE (taxi_trips, completed_at, INTERVAL '2 MINUTES');
trip_id | taxi_id   | completed_at          | window_start          | window_end 
--------+-----------+-----------------------+-----------------------+---------------------
1       | 1001      | 2022-07-01 22:00:00   | 2022-07-01 22:00:00   | 2022-07-01 22:02:00
2       | 1002      | 2022-07-01 22:01:00   | 2022-07-01 22:00:00   | 2022-07-01 22:02:00
3       | 1003      | 2022-07-01 22:02:10   | 2022-07-01 22:02:00   | 2022-07-01 22:04:00
4       | 1004      | 2022-07-01 22:03:00   | 2022-07-01 22:02:00   | 2022-07-01 22:04:00
5       | 1005      | 2022-07-01 22:05:00   | 2022-07-01 22:04:00   | 2022-07-01 22:06:00
6       | 1006      | 2022-07-01 22:06:00   | 2022-07-01 22:06:00   | 2022-07-01 22:08:00

也可以用滑动时间窗口计算每分钟开始的，长度为 2 分钟的窗口内的对应统计结果。

SELECT trip_id, taxi_id, completed_at, window_start, window_end
FROM HOP (taxi_trips, completed_at, INTERVAL '1 MINUTE', INTERVAL '2 MINUTES')
ORDER BY window_start;
trip_id | taxi_id  | completed_at          | window_start          | window_end 
---------+---------+------------------------+-----------------------+--------------------
 1       | 1001     | 2022-07-01 22:00:00   | 2022-07-01 21:59:00   | 2022-07-01 22:01:00
 2       | 1002     | 2022-07-01 22:01:00   | 2022-07-01 22:00:00   | 2022-07-01 22:02:00
 1       | 1001     | 2022-07-01 22:00:00   | 2022-07-01 22:00:00   | 2022-07-01 22:02:00
 3       | 1003     | 2022-07-01 22:02:10   | 2022-07-01 22:01:00   | 2022-07-01 22:03:00
 2       | 1002     | 2022-07-01 22:01:00   | 2022-07-01 22:01:00   | 2022-07-01 22:03:00
 4       | 1004     | 2022-07-01 22:03:00   | 2022-07-01 22:02:00   | 2022-07-01 22:04:00
 3       | 1003     | 2022-07-01 22:02:10   | 2022-07-01 22:02:00   | 2022-07-01 22:04:00
 4       | 1004     | 2022-07-01 22:03:00   | 2022-07-01 22:03:00   | 2022-07-01 22:05:00
 5       | 1005     | 2022-07-01 22:05:00   | 2022-07-01 22:04:00   | 2022-07-01 22:06:00
 6       | 1006     | 2022-07-01 22:06:00   | 2022-07-01 22:05:00   | 2022-07-01 22:07:00
 5       | 1005     | 2022-07-01 22:05:00   | 2022-07-01 22:05:00   | 2022-07-01 22:07:00
 6       | 1006     | 2022-07-01 22:06:00   | 2022-07-01 22:06:00   | 2022-07-01 22:08:00
(12 rows)

时间窗口（windowing）

代码示例​

代码示例