Apache flink 如何根据事件时间理解越窗结果

我正在使用Flink 1.12并探索基于事件窗口的over窗口：

数据有三列：

id、交易时间、价格

。为了方便起见，所有数据都有相同的id（

id1

），我在代码中允许4秒的惰性

    Stock("id1", "2020-09-16 20:50:15".ts, 1),
    Stock("id1", "2020-09-16 20:50:12".ts, 2),
    Stock("id1", "2020-09-16 20:50:11".ts, 3),
    Stock("id1", "2020-09-16 20:50:18".ts, 4),
    Stock("id1", "2020-09-16 20:50:13".ts, 5),
    Stock("id1", "2020-09-16 20:50:20".ts, 6),
    Stock("id1", "2020-09-16 20:50:14".ts, 7),
    Stock("id1", "2020-09-16 20:50:22".ts, 8),
    Stock("id1", "2020-09-16 20:50:40".ts, 9)

当我运行follow查询时

      select
        id,
        price,
        sum(price) OVER (PARTITION BY id ORDER BY rt rows between 2 preceding and current row) as sum_price,
        max(price) OVER (PARTITION BY id ORDER BY rt rows between 2 preceding and current row) as max_price
      from sourceTable

输出为：

    id1,3,3,3
    id1,2,5,3
    id1,5,10,5
    id1,1,8,5
    id1,4,10,5
    id1,6,11,6
    id1,8,18,8

由于第一个事件是

Stock（“id1”，“2020-09-16 20:50:15”。ts，1）

，因此我认为第一个输出应该是

id，1,1

，而不是

id1,3,3

2020-09-16 20:50:15

是第一个事件，因此当它到来时，水位线将是

2020-09-16 20:50:11

，这意味着下一个事件

Stock（“id1”，“2020-09-16 20:50:11”。ts，3）

应该延迟并下降，而

Stock（“id1”，“2020-09-16 20:50:13”。ts，5）

也应该延迟。为什么这两个事件不迟并包含在输出中

输出不包括

库存（“id1”，“2020-09-16 20:50:14”。ts，7），

是晚了还是其他什么，为什么输出中包含事件（在上述问题2中）

基本问题是何时触发over窗口进行计算

这些问题我已经讨论了好几个小时，无法解释，您能帮我看一下吗

以下是应用程序代码，供您参考

import org.apache.flink.streaming.api.functions.AssignerWithPunctuatedWatermarks
import org.apache.flink.streaming.api.scala._
import org.apache.flink.streaming.api.watermark.Watermark
import org.apache.flink.table.api.bridge.scala._
import org.apache.flink.table.api.{AnyWithOperations, FieldExpression}
import org.apache.flink.types.Row
import org.example.model.Stock
import org.example.sources.StockSource
import org.example.utils.Implicits._

object Sql016_EventTimeOverWindowSqlTest {
  def main(args: Array[String]): Unit = {
    val env = StreamExecutionEnvironment.getExecutionEnvironment
    env.setParallelism(1)
    val ds: DataStream[Stock] = env.addSource(new StockSource(emitInterval = 0, print = false))
    val ds2 = ds.assignTimestampsAndWatermarks(new AssignerWithPunctuatedWatermarks[Stock] {
      var max = Long.MinValue

      override def checkAndGetNextWatermark(t: Stock, l: Long): Watermark = {
        if (t.trade_date.getTime > max) {
          max = t.trade_date.getTime
        }
        new Watermark(max - 4000) //allow 4 seconds late
      }

      override def extractTimestamp(t: Stock, l: Long): Long = t.trade_date.getTime
    })
    val tenv = StreamTableEnvironment.create(env)
    val table = tenv.fromDataStream(ds2, $"id", $"price", $"rt".rowtime())
    tenv.createTemporaryView("sourceTable", table)

    val sql =
      """
      select
        id,
        price,
        sum(price) OVER (PARTITION BY id ORDER BY rt rows between 2 preceding and current row) as sum_price,
        max(price) OVER (PARTITION BY id ORDER BY rt rows between 2 preceding and current row) as max_price
      from sourceTable


      """.stripMargin(' ')

    val table2 = tenv.sqlQuery(sql)

    table2.toAppendStream[Row].print()

    env.execute()

  }
}

---

有人能解释一下结果吗？我已经在这个问题上纠缠了好几天了！