Flink从1.1开始支持Session window，它是属于基于时间的窗口。

这里以EventTime为例，基于时间的窗口，可以分为3种：

• TumblingEventTimeWindows

• SlidingEventTimeWindows

• EventTimeSessionWindows

对于Tumbling与Sliding窗口，其窗口的时间大小是固定的, 只是滑动的不同，例如10秒钟一个窗口，那么窗口中开始时间和结束时间一定是一个10秒的间隔，例如从10:00:00到10:00:10。Sliding的窗口大小也是固定的，例如每隔10秒钟统计过去20秒的数据，那么它的窗口也是从10:00:00到10:00:20,大小是20秒。

而Session window的窗口大小，则是由数据本身决定。例如，基于同一个key，有如下几条数据，其自身时间戳如下：

那么，假设Session Window的时间gap如果是6秒，那么，上面的数据会被分成以下几个窗口

可以看到，session window只需要设置一个时间间隔（gap）即可定义一个session window机制。

session window窗口分析

下面我们来分析下上面的数据。 

首先，我们设置的时间gap是6秒，那么，当相邻的记录相差>=6秒时，则触发窗口

• 对于第一条记录与第二条记录，其时间间隔是3秒，那么这两条记录属于同一个窗口内，此时并不触发窗口

• 第二条与第三条记录，间隔2秒，也不触发窗口

• 第三条与第四条记录，间隔>=6秒（7秒），此时，窗口被触发了

• 第四条记录与第五条记录间隔3秒，不触发

• 第五条与第六条间隔9秒，触发

• 第六条与第七条间隔6秒，触发

• 第七条与第八条间隔12秒，触发

到此，上边这些数据被划分到不同的窗口中，每个窗口的大小也不一样。

那么，每个窗口的时间范围有没有什么共性？我们可以按照下面的公式来计算每个窗口的时间范围：

窗口大小=[第一条数据的时间，第一个与相邻数据相差大于等于gap的时间+gap)

看似有点难以理解，其实现实的意义就是：窗口内包含的数据是“活跃的”。

例如：用户点击行为，如果认为30秒间隔用户没有操作，则认为是不活跃的。那么通过session window，定义一个30秒的gap，此时，每个窗口内的数据，都是用户在活跃期间的数据，超过30秒了没有任何操作，则认为用户不活跃，有可能下线。