Flink 流处理从入门到精通：DataStream 转换与窗口操作实战

---

💡 Flink DataStream API 实战全解析：Map、FlatMap、Filter 与 Window 窗口操作详解

封面图建议：深蓝科技感背景，中央 Flink logo，流动线条展示数据流动，关键词“Map / FlatMap / Filter / Window Processing”，简洁直观。

---

目录

1. Flink 执行环境与时间语义
2. 基础转换操作：Map、FlatMap、Filter

3. 窗口操作（Window）详解

   • 窗口基础概念
   • 窗口类型
   • 窗口函数
   • 触发器、移除器与延迟处理

4. 完整示例：流式统计与窗口分析

5. 关键要点总结

---

1. Flink 执行环境与时间语义

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); // 默认使用 Processing Time，可通过以下方式启用 Event Time env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); // 设置并行度 env.setParallelism(2);

• Processing Time：操作符所在机器的系统时间
• Event Time：事件本身携带的时间戳
• Ingestion Time：事件进入 Flink 的时间
• 小技巧：从 Flink 1.12 起默认使用 EventTime，推荐配合 WatermarkStrategy 使用

Watermark 示例（乱序事件处理）：

.assignTimestampsAndWatermarks( WatermarkStrategy .<Tuple2<String, Integer>>forBoundedOutOfOrderness(Duration.ofSeconds(5)) .withTimestampAssigner((event, timestamp) -> System.currentTimeMillis()) );

---

2. 基础转换操作：Map、FlatMap、Filter

2.1 Map 转换

一对一转换，每个输入元素产生一个输出