我想咨询一下 Flink 开窗函数 是按照每个Key做开窗 还是按照并行度 ？

Apache Flink 中的开窗函数（Window Function）可以按照每个Key做开窗，也可以在全局范围内做开窗，具体取决于你如何配置窗口。以下是两种开窗方式的说明：

1. 按照Key做开窗：

   • 在Flink中，你可以使用KeyedStream并调用window函数来实现按照Key做开窗。这意味着数据流中的元素首先会按照Key进行分区，然后每个Key分区内的元素会独立进行开窗操作。例如，使用timeWindow或countWindow时，每个Key的事件会被放入各自的窗口进行处理。

2. 全局开窗：

   • 如果你想对整个数据流进行全局开窗，可以使用GlobalWindows。全局窗口会把所有元素视为一个大窗口，不区分Key。但在实际应用中，由于全局窗口可能产生无限大小的数据集，因此通常需要配合触发器（Trigger）来控制何时进行窗口计算，例如EventTimeTrigger配合GlobalWindow。

总的来说，Flink的窗口函数提供了灵活的选择，既可以按照Key来做窗口操作，也可以全局不分Key进行窗口处理。在实践中，按照Key做开窗更适合大多数处理有状态流数据的应用场景，因为它可以保证局部状态的一致性，并且易于水平扩展。而全局窗口在处理全局统计等特殊场景时可能会派上用场。

在Flink中，开窗函数的执行方式取决于您使用的窗口类型。对于基于Key的窗口，每个Key会单独进行开窗操作，并且具有相同类型的key会进入同一个子任务执行。也就是说，开窗是按照每个Key进行的。

如果您使用的是全局窗口，那么所有的数据都会被归纳到一个大的窗口中进行计算，此时不会区分并行度和Key。此外，还有一种窗口函数叫做WindowAll，它会每进入一条数据即增加一个窗口，多个窗口并行，每个窗口处理1条数据。但需要注意，WindowAll不支持并行操作，默认的并行度就是1，所以如果使用这个算子的话需要注意一下性能问题。

总的来说，Flink的开窗函数可以灵活地根据不同的需求和窗口类型进行配置和执行，既可以按照每个Key进行开窗，也可以实现全局的窗口计算。