Flink 的windowing 操作是在window 末尾处理元素还是做滚动处理？
Does Flink's windowing operation process elements at the end of window or does it do a rolling processing?
我在理解 windowing 在 Flink 内部实现的方式时遇到了一些问题，找不到任何深入解释这一点的文章。在我看来，有两种方法可以做到这一点。考虑一个简单的 window wordcount 代码如下
env.socketTextStream("localhost", 9999)
.flatMap(new Splitter())
.groupBy(0)
.window(Time.of(500, TimeUnit.SECONDS)).sum(1)
方法 1：将所有事件存储 500 秒，在 window 结束时，通过对存储的事件应用求和运算来处理所有事件。
方法二：我们用一个计数器来存储每个window的滚动总和。当 window 中的每个事件到来时，我们不存储单个事件，而是继续将先前存储的计数器加 1，并在 window.
结束时输出结果
有哪位大侠帮忙了解下Flink在现实中使用的是上面的哪些方法（或者其他方法）。原因是，这两种方法各有利弊，理解这一点对于正确配置集群资源很重要。
例如：方法 1 似乎非常接近批处理，并且可能存在与每 500 秒间隔处理一次峰值相关的问题，否则处于空闲状态等，而方法 2 需要在所有任务管理器之间维护一个公共计数器。
sum 是此处提到的缩减函数 (https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/operators/windows/#reducefunction)。在内部，Flink 会对每个输入元素应用 reduce 函数，并将减少的结果简单地保存在 ReduceState.
中
对于其他 windows 函数，例如 windows.apply(WindowFunction)。没有聚合，因此所有输入元素都将保存在 ListState.
中
这篇关于windows流的文档(https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/operators/windows/#window-functions)提到了Flink中如何处理内部元素。
我在理解 windowing 在 Flink 内部实现的方式时遇到了一些问题，找不到任何深入解释这一点的文章。在我看来，有两种方法可以做到这一点。考虑一个简单的 window wordcount 代码如下
env.socketTextStream("localhost", 9999)
.flatMap(new Splitter())
.groupBy(0)
.window(Time.of(500, TimeUnit.SECONDS)).sum(1)
方法 1：将所有事件存储 500 秒，在 window 结束时，通过对存储的事件应用求和运算来处理所有事件。
方法二：我们用一个计数器来存储每个window的滚动总和。当 window 中的每个事件到来时，我们不存储单个事件，而是继续将先前存储的计数器加 1，并在 window.
结束时输出结果有哪位大侠帮忙了解下Flink在现实中使用的是上面的哪些方法（或者其他方法）。原因是，这两种方法各有利弊，理解这一点对于正确配置集群资源很重要。 例如：方法 1 似乎非常接近批处理，并且可能存在与每 500 秒间隔处理一次峰值相关的问题，否则处于空闲状态等，而方法 2 需要在所有任务管理器之间维护一个公共计数器。
sum 是此处提到的缩减函数 (https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/operators/windows/#reducefunction)。在内部，Flink 会对每个输入元素应用 reduce 函数，并将减少的结果简单地保存在 ReduceState.
对于其他 windows 函数，例如 windows.apply(WindowFunction)。没有聚合，因此所有输入元素都将保存在 ListState.
这篇关于windows流的文档(https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/operators/windows/#window-functions)提到了Flink中如何处理内部元素。