Flink SQL 知其所以然：Window TopN 操作

大家好，操作我是操作老羊，今天我们来学习 Flink SQL 中的操作 Window TopN 操作。

Window TopN 定义（支持 Streaming）：Window TopN 是操作一种特殊的 TopN，它的操作返回结果是每一个窗口内的 N 个最小值或者最大值。应用场景：小伙伴萌会问了，操作我有了 TopN 为啥还需要 Window TopN 呢？操作还记得上文介绍 TopN 说道的 TopN 时会出现中间结果，从而出现回撤数据的操作嘛？Window TopN 不会出现回撤数据，因为 Window TopN 实现是操作在窗口结束时输出最终结果，不会产生中间结果。操作而且注意，服务器托管操作因为是操作窗口上面的操作，Window TopN 在窗口结束时，操作会自动把 State 给清除。操作SQL 语法标准：SELECT [column_list]

FROM (

SELECT [column_list],操作

ROW_NUMBER() OVER (PARTITION BY window_start, window_end [, col_key1...]

ORDER BY col1 [asc|desc][, col2 [asc|desc]...]) AS rownum

FROM table_name) -- windowing TVF

WHERE rownum <= N [AND conditions]实际案例：取当前这一分钟的搜索关键词下的搜索热度前 10 名的词条数据。

输入表字段：

-- 字段名 备注

-- key 搜索关键词

-- name 搜索热度名称

-- search_cnt 热搜消费热度（比如 3000）

-- timestamp 消费词条时间戳

CREATE TABLE source_table (

name BIGINT NOT NULL,

search_cnt BIGINT NOT NULL,

key BIGINT NOT NULL,

row_time AS cast(CURRENT_TIMESTAMP as timestamp(3)),

WATERMARK FOR row_time AS row_time

) WITH (

...

);

-- 输出表字段：

-- 字段名 备注

-- key 搜索关键词

-- name 搜索热度名称

-- search_cnt 热搜消费热度（比如 3000）

-- window_start 窗口开始时间戳

-- window_end 窗口结束时间戳

CREATE TABLE sink_table (

key BIGINT,

name BIGINT,

search_cnt BIGINT,

window_start TIMESTAMP(3),

window_end TIMESTAMP(3)

) WITH (

...

);

-- 处理 sql：

INSERT INTO sink_table

SELECT key, name, search_cnt, window_start, window_end

FROM (

SELECT key, name, search_cnt, window_start, window_end,

ROW_NUMBER() OVER (PARTITION BY window_start, window_end, key

ORDER BY search_cnt desc) AS rownum

FROM (

SELECT window_start, window_end, key, name, max(search_cnt) as search_cnt

-- window tvf 写法

FROM TABLE(TUMBLE(TABLE source_table, DESCRIPTOR(row_time), INTERVAL 1 MINUTES))

GROUP BY window_start, window_end, key, name

)

)

WHERE rownum <= 100

输出结果：

+I[关键词1, 词条1, 8670, 2021-1-28T22:34, 2021-1-28T22:35]

+I[关键词1, 词条2, 6928, 2021-1-28T22:34, 2021-1-28T22:35]

+I[关键词1, 词条3, 1735, 2021-1-28T22:34, 2021-1-28T22:35]

+I[关键词1, 词条4, 7287, 2021-1-28T22:34, 2021-1-28T22:35]

...

可以看到结果是符合预期的，其中没有回撤数据。

SQL 语义。数据源：数据源即最新的词条下面的搜索词的搜索热度数据，消费到 Kafka 中数据后，将数据按照窗口聚合的云南idc服务商 key 通过 hash 分发策略发送到下游窗口聚合算子。窗口聚合算子：进行窗口聚合计算，随着时间的推进，将窗口聚合结果计算完成发往下游窗口排序算子。窗口排序算子：这个算子其实也是一个窗口算子，只不过这个窗口算子为每个 Key 维护了一个 TopN 的榜单数据，接受到上游发送的窗口结果数据进行排序，随着时间的推进，窗口的结束，将排序的结果输出到下游数据汇算子。数据汇：接收到上游的数据之后，然后输出到外部存储引擎中。源码库

很赞哦!（67）