以下讨论是在 apache Flink 的背景下：
想象我们有一个keyedStream，其键是其id，事件时间是时间戳，如果我们要计算每个事件的10分钟内到达多少事件。
需要解决的问题是：
- 如何设计窗口？
- 我们可以在每个事件到达后创建一个10分钟的窗口，但这意味着对于每个事件，由于等待10分钟的窗口，都会延迟10分钟。
- 我们可以创建一个10分钟的窗口，将每个事件的时间戳作为此窗口中的最大时间戳，这意味着我们不需要等待10分钟元素到达。但是，据我所知，这种窗口并不容易定义。
- 如何处理内存或其他资源问题？即使我们成功地创建了一个窗口，也许事件的ID是多种多样的，如此多的窗口，系统如何将其状态保持在内存中？记忆的可能性很大。
也许我在这里没有提到一些问题，或者除了窗口（即模式）外，还有一些好的解决方案。如果您有很好的解决方案，请给我一个线索，谢谢。
您可以使用全球风格和触发器进行此操作，而不是在每个事件上的火灾和驱逐者，该驱逐能够删除在计算其余事件之前超过10分钟的事件。（但是，天真的实施很容易表现很差。）
是的，这可能需要保持大量状态 - 您将在过去10分钟内保留每个事件（好吧，您只需要存储每个事件中的时间戳）即可。如果您设置了RockSDB状态后端，则Flink会在需要时溢出到磁盘，但要受到明显的惩罚。最好使用足够大的群集以保持10分钟的记忆。即使在每秒100万个事件中，每个事件都有32位时间戳，在10分钟内只有2.4GB（每秒100万个事件x 600秒x 4字节x 4个字节） - 似乎根本不是问题。