- 窗口：
一般真实的流都是无界的，窗口可以把无界的流进行切分，得到一个有界流。它会将数据分发到有限大小的桶内进行分析。
- window类型：
时间窗口 time window：滚动时间窗口，滑动时间窗口，会话窗口。
计数窗口 count window：滚动计数窗口，滑动计数窗口。
滚动窗口：tumbling window：将数据依据固定大小的窗口长度对数据进行切分。时间对齐，窗口长度固定，没有重叠。
滑动窗口：sliding window：滑动窗口是固定窗口的更广义的一种形式，滑动窗口由固定的窗口长度和滑动间隔组成。窗口长度固定，可以有重叠。
会话窗口：session window：由一系列事件组合一个指定时间长度的timeout间隙组成，也就是一段时间没有接到新数据就会生成新的窗口。特点：时间无对齐。
- window API：
窗口分配器：window（）方法
我们可以用.window()来定义一个窗口，然后基于这个window去做一些聚合操作或者其它处理操作。注意window（）方法必须在keyby方法之后才能用。
flink提供了更加简单的.timeWindow()和.countWindow()，用于定义时间窗口和计数窗口。
DataStream<Tuple2<String,Double>> minTempPerWindowStream = dataStream
.map(new MyMapper())
.keyby(data -> data.f0)
.timeWindow( Time.seconds(15) )
.minBy(1);
- 窗口函数（window function）：
window function定义了窗口中要对收集的数据所做的计算操作。
可以分为两类：增量聚合函数，increment aggregation functions,每条数据到来就进行计算，保持一个简单的状态。
如reduceFunction，aggregateFunction
全窗口函数,full windowFunctions,先把窗口所有数据收集起来，等到计算的时候会遍历所有数据。
如processWindowFunction，WindowFunction
- 其他可选API：
.trigger()--触发器，定义窗口什么时候关闭，触发计算并输出结果。
.evictor()--移除器，定义移除某些数据的逻辑。
.allowedLateness(),允许处理迟到的数据。
.sideOutputLateData(),将迟到的数据放入侧输出流。
.getSideOutput(),获取侧输出流。
