文章摘要
这篇文章介绍了如何使用时间窗口（tumble函数）对用户行为数据进行处理。文章首先描述了如何创建一个名为`source_table`的表结构，包含`user_id`、`price`、`timestamp`字段，并在`row_time`字段中使用自定义的5秒滚动窗口进行时间范围划分。接着，文章详细说明了在数据处理阶段，通过`group by`语句结合`tumble`函数，计算每个用户在不同时间段内的访问量（PV）和总金额（sum_price），同时生成窗口开始和结束时间。整体内容简洁明了，突出了时间窗口处理的核心逻辑和应用场景。
#1.创建source表
CREATE TABLE source_table (
user_id STRING,
price BIGINT,
`timestamp` bigint,
row_time AS TO_TIMESTAMP(FROM_UNIXTIME(`timestamp`)),
watermark for row_time as row_time – interval ‘0’ second
) WITH (
‘connector’=’socket’,
‘hostname’=’node1’,
‘port’=’9999’,
‘format’=’csv’
);
#2.语法
tumble(事件时间列,窗口大小)
窗口大小是用户自定义的。比如30分钟、1小时等。
直接把tumble窗口放在group by语句后即可。
比如：tumble(row_time,interval ‘5’ second)
含义：定义一个5秒大小的滚动窗口。
#3.数据处理
select
user_id,
count(*) as pv,
sum(price) as sum_price,
UNIX_TIMESTAMP(CAST(tumble_start(row_time, interval ‘5’ second) AS STRING)) * 1000 as window_start,
UNIX_TIMESTAMP(CAST(tumble_end(row_time, interval ‘5’ second) AS STRING)) * 1000 as window_end
from source_table
group by
user_id,
tumble(row_time, interval ‘5’ second);