FLink底层引擎是一个流式引擎，支持流处理和批处理，而window是streaming到batch的桥梁。因为流处理过程中，数据是源源不断流进来的，需要对数据进行实时处理的话，可以通过来一个消息处理一个的方式，也可以通过把一段时间内的数据聚合之后，再一起处理的形式，此时需要定义一个窗口来收集过去那段时间内的数据再进行处理。
Flink 提出了三种时间的概念，分别是event time（事件时间：事件发生时的时间），ingestion time（摄取时间：事件进入流处理系统的时间），processing time（处理时间：消息被计算处理的时间）。
窗口类型
窗口可以是时间驱动的（Time Window，例如：每30秒钟），也可以是数据驱动的（Count Window，例如：每一百个元素）。一种经典的窗口分类为：
- Tumbling window （滚动窗口，无重叠）
接下来，对join的一个实现类WindowJoin进行分析。基本思想为在一个时间窗内对两条数据结构为键值对数据流进行inner join操作。
重要参数配置：根据Flink的时间概念，时间属性时间选为ingestion time，并设置了窗口大小和数据传输速率。
函数调用
-
where（）:给两条数据流指定各自的keySelector，获取key的类型
-
equal（）判断key是否相同
-
window（）:制作一个ID标识符，配置窗口中的
- 输入流DataStream、keySelector、key type等元数据
- 窗口组件window assigner、Trigger、EVictor
-
apply（）：配置join操作方法
-
最后通过execute（）执行inner join操作
