1. Window Top-N 是什么
Window Top-N 是一种特殊的 Top-N:在每个窗口(window)内,对 N 个最大/最小值进行筛选,并且支持再叠加其它分区键(partition keys)。
在Streaming查询中,Window Top-N不会像连续 Top-N 那样持续输出中间更新,而是只在窗口结束时输出最终 Top-N,并且窗口结束后会清理中间状态,因此如果你不需要“每条记录更新榜单”,它通常性能更好。
2. Window Top-N 的关键前置条件
2.1 必须基于 Windowing TVF 或 Window Aggregation
Window Top-N 一般直接跟在 Windowing TVF(例如 TUMBLE/HOP/CUMULATE)后,或跟在 Window Aggregation(窗口聚合)后使用。
2.2 PARTITION BY 必须包含 window_start 和 window_end
Window Top-N 的 SQL 形式和普通 Top-N 相同,但额外要求:PARTITION BY必须包含window_start与window_end(来自 Windowing TVF 或 Window Aggregation 的结果),否则优化器无法翻译成 Window Top-N。
2.3 Windowing TVF 会产出哪些窗口字段
Windowing TVF 会返回一个包含原始字段的关系表,并额外生成window_start、window_end、window_time三个字段。
3. Window Top-N 的标准语法模板
下面这个模板建议严格照抄结构(只改字段名与 N),以保证优化器能识别:
SELECT[column_list]FROM(SELECT[column_list],ROW_NUMBER()OVER(PARTITIONBYwindow_start,window_end[,col_key1...]ORDERBYcol1[asc|desc][,col2[asc|desc]...])ASrownumFROMtable_name-- 必须是应用了 Windowing TVF 或 Window Aggregation 的关系)WHERErownum<=N[ANDconditions];4. 示例一:Window Top-N 跟在 Window Aggregation 后(Top 3 供应商销售额)
4.1 业务目标
每个 10 分钟滚动窗口,计算销售额最高的 Top3 供应商(supplier)。
4.2 SQL 写法
SELECT*FROM(SELECT*,ROW_NUMBER()OVER(PARTITIONBYwindow_start,window_endORDERBYpriceDESC)ASrownumFROM(SELECTwindow_start,window_end,supplier_id,SUM(price)ASprice,COUNT(*)AScntFROMTABLE(TUMBLE(TABLEBid,DESCRIPTOR(bidtime),INTERVAL'10'MINUTES))GROUPBYwindow_start,window_end,supplier_id))WHERErownum<=3;5. 示例二:Window Top-N 直接跟在 Windowing TVF 后(Top 3 单条最高价记录)
5.1 业务目标
每个 10 分钟窗口,找出价格最高的 Top3 记录(不先聚合)。
5.2 SQL 写法
SELECT*FROM(SELECTbidtime,price,item,supplier_id,window_start,window_end,ROW_NUMBER()OVER(PARTITIONBYwindow_start,window_endORDERBYpriceDESC)ASrownumFROMTABLE(TUMBLE(TABLEBid,DESCRIPTOR(bidtime),INTERVAL'10'MINUTES)))WHERErownum<=3;6. 限制与注意事项
6.1 Batch 模式下不支持 SESSION Window Top-N
目前 SESSION Window Top-N 在 batch 模式还不支持。
6.2 Windowing TVF 路径的支持范围
当前只支持 Window Top-N 跟在 Windowing TVF 的TUMBLE / HOP / CUMULATE后;Windowing TVF 的 Session Window 路径将来会支持。
7. 工程化落库建议(主键怎么设计)
7.1 保存“窗口榜单结果”时的主键组合
如果你要把 Window Top-N 落到外部存储,通常建议把窗口边界作为主键的一部分,比如:
window_start + window_end + 分区键(supplier_id / category)- 如果需要保存榜单位置,再加
rownum
7.2 不输出 rownum 的策略
如果你不希望把rownum输出到下游(减轻下游写压力),可以外层 SELECT 不带 rownum,让消费端自行排序展示;但此时主键应回归业务实体(如 supplier_id / item_id)+ 窗口字段。
8. 性能调优:table.exec.rank.topn-cache-size
Window Top-N 底层依然依赖 Rank/TopN 的实现细节,缓存参数table.exec.rank.topn-cache-size(默认 10000)在分区键基数很大时很关键。
当你发现延迟、反压明显,且分区数量巨大时,可尝试调大(如 200000)并观测 GC 与吞吐变化。