addflink

notes/Flink_Windows.md

@@ -24,7 +24,6 @@ Time Windows 用于以时间为维度来进行数据聚合，具体分为以下
 <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flink-tumbling-windows.png"/> </div>
 
 
-
 这里我们以词频统计为例，给出一个具体的用例，代码如下：
 
 ```java
@@ -50,7 +49,6 @@ env.execute("Flink Streaming");
 
 
 
-
 ### 2.2 Sliding Windows
 
 滑动窗口用于滚动进行聚合分析，例如：每隔 6 分钟统计一次过去一小时内所有商品的点击量，那么统计窗口彼此之间就是存在重叠的，即 1天可以分为 240 个窗口。图示如下：
@@ -58,7 +56,6 @@ env.execute("Flink Streaming");
 <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flink-sliding-windows.png"/> </div>
 
 
-
 可以看到 window 1 - 4 这四个窗口彼此之间都存在着时间相等的重叠部分。想要实现滑动窗口，只需要在使用 timeWindow 方法时额外传递第二个参数作为滚动时间即可，具体如下：
 
 ```java
@@ -73,11 +70,10 @@ timeWindow(Time.minutes(1),Time.seconds(3))
 <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flink-session-windows.png"/> </div>
 
 
-
 具体的实现代码如下：
 
 ```java
-// 以处理时间为衡量标准，如果10秒内没有任何数据输入，就认为会话已经端口，此时触发统计
+// 以处理时间为衡量标准，如果10秒内没有任何数据输入，就认为会话已经关闭，此时触发统计
 window(ProcessingTimeSessionWindows.withGap(Time.seconds(10)))
 // 以事件时间为衡量标准    
 window(EventTimeSessionWindows.withGap(Time.seconds(10)))
@@ -90,7 +86,6 @@ window(EventTimeSessionWindows.withGap(Time.seconds(10)))
 <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/flink-non-windowed.png"/> </div>
 
 
-
 这里继续以上面词频统计的案例为例，示例代码如下：
 
 ```java