flink 滑动窗口怎么避免数据重复计算呢?

用datastream 自己维护状态不就得了,不用滑动
需要当前数据和上一条数据对比，不用窗口也行，此回答整理自钉群“【③群】Apache Flink China社区”

为了避免数据重复计算，可以使用Flink的滑动窗口。根据你的需求，每5秒上报一次数据并进行计算，可以使用以下窗口类型：

1. 基于时间的滚动窗口（Tumbling Window）：这种窗口会根据指定的时间间隔对数据进行分区。例如，可以设置一个5秒的窗口，这样每个窗口内的数据都是5秒内的上报数据。在窗口结束时，会触发一个计算任务。

2. 基于事件的滑动窗口（Sliding Window）：这种窗口会根据事件数量来对数据进行分区。例如，可以设置一个5秒的窗口，这样每个窗口内的数据都是5秒内的上报数据。当窗口中的数据达到指定数量时，会触发一个计算任务。

对于你的需求，使用基于时间的滚动窗口可能更合适，因为你需要用当前的数据和上条数据进行对比。你可以设置一个5秒的窗口，这样每个窗口内的数据都是5秒内的上报数据。在窗口结束时，会触发一个计算任务，这样就可以避免数据重复计算了。

为了避免滑动窗口中的数据重复计算，您可以尝试以下几种方法：

1. 定义事件时间语义：设置 watermark 并定义 event time 语义来管理时间戳。通过这样做，滑动窗口只会在 watermark 超过窗口结束时间之后才关闭窗口并将结果输出。这意味着只有在所有迟到数据到达后才会触发聚合结果的输出。如果存在晚于 watermark 的记录，则系统会在 watermark 后续进程中重新打开并更新窗口的结果。

2. 定义滚动聚合：针对滑动窗口，您可以使用滚动聚合，即每次滑动步长更新窗口内的累计值而非整个窗口的聚合结果。这样可以在保证实时性的前提下减少计算开销，并防止由于后续条目改变之前的累积结果而导致重复计算的问题。

3. 使用 watermark 来阻止重复计算：将 watermark 设置为您允许的最大延迟时间间隔。这样，当超过此时间的记录到达时，会被忽略，从而降低重复计算的风险。

对于每5秒上报一次的数据并需要基于前后两条数据进行计算的情况，您可以使用 Tumbling Event Time Windows 或 Sliding Event Time Windows。Tumbling Event Time Windows 是按照固定的时间段将事件分组在一起，而 Sliding Event Time Windows 则是每隔一段固定的时间滑动地将事件分组在一起。这两者都可以让您按时间顺序比较前一条和当前条记录。