Java Flink DataStream API中的TimeWindow.getStart（）存在问题

当我使用ProcessWindow函数时，如下所示：

    private static class pwf
        extends ProcessWindowFunction<String, Tuple3<String, String,String>, Tuple, TimeWindow> {//IN, OUT, KEY, W
    public void process(Tuple key,
                        Context context,
                        Iterable<String> elements,
                        Collector<Tuple3<String, String,String>> out) {
        String res = elements.iterator().next();
        out.collect(new Tuple3<String,String,String>(String.valueOf((context.window().getStart())),(String)((Tuple1)key).f0, res));
    }
}

专用静态类pwf
扩展ProcessWindowFunction{//IN，OUT，KEY，W
公共作废过程（元组键，
语境，
可替代元素，
收集器（输出）{
String res=elements.iterator（）.next（）；
collect（新的Tuple3（String.valueOf（（context.window（）.getStart（）），（String）（（Tuple1）key.f0，res））；
}
}

我有一个这样的开始时间：1691580000，1691640000，但我不能理解这种形式，有人能给我一些建议吗？任何答案都将不胜感激

整个代码可能会有所帮助：

DataStream<RawLogGroupList> sourceStream = env.addSource(new FlinkLogConsumer<RawLogGroupList>(deserializer, configProps));
        DataStream<Tuple3<String,String,String>> resStream = sourceStream
                .flatMap(new FlatMapFunction<RawLogGroupList, RawLog>() {
                    @Override
                    public void flatMap(RawLogGroupList value, Collector<RawLog> out) throws Exception {
                        for (RawLogGroup logGroup : value.getRawLogGroups()) {
                            for (RawLog log : logGroup.getLogs()) {
                                out.collect(log);
                            }
                        }
                    }
                })
                .setParallelism(flatmapParallelism)
                .assignTimestampsAndWatermarks(new BoundedOutOfOrdernessTimestampExtractor<RawLog>(Time.seconds(30)) {
                    @Override
                    public long extractTimestamp(RawLog element) {
                        return element.getTime()*1000;
                    }
                }).setParallelism(mapParallelism)
                .map(new MapFunction<RawLog, Tuple3<String,String,Long>>() {
                    @Override
                    public Tuple3<String,String,Long> map(RawLog value) throws Exception {
                        Map<String,String> contents = value.getContents();
                        return new Tuple3<>(
                                contents.getOrDefault("logtime","nullFromMap"),
                                contents.getOrDefault("method","nullFromMap"),
                                Long.valueOf(contents.getOrDefault("latency","0"))
                        );
                    }
                }).setParallelism(mapParallelism)
                .keyBy(1)
                .timeWindow(Time.seconds(60))
                .aggregate(new Med(),new pwf())
                .setParallelism(aggregateParallelism)
            .returns(Types.TUPLE(Types.STRING,Types.STRING,Types.STRING));

DataStream sourceStream=env.addSource（新的FlinkLogConsumer（反序列化器，configProps））；
DataStream resStream=sourceStream
.flatMap（新的flatMap函数（）{
@凌驾
公共void flatMap（RawLogGroupList值，收集器输出）引发异常{
for（RawLogGroup logGroup:value.getRawLogGroups（））{
for（RawLog日志：logGroup.getLogs（））{
取出。收集（日志）；
}
}
}
})
.setParallelism（flatmapParallelism）
.assignTimestampsAndWatermarks（新的BoundedAutofordernessTimestampExtractor（时间.秒（30））{
@凌驾
公共长提取时间戳（RawLog元素）{
return元素.getTime（）*1000；
}
}).setParallelism（mapParallelism）
.map（新的映射函数（）{
@凌驾
公共Tuple3映射（RawLog值）引发异常{
映射内容=value.getContents（）；
返回新的Tuple3(
contents.getOrDefault（“logtime”、“nullFromMap”），
getOrDefault（“方法”，“nullFromMap”），
Long.valueOf（contents.getOrDefault（“延迟”，“0”））
);
}
}).setParallelism（mapParallelism）
.keyBy（1）
.时间窗口（时间.秒（60））
.聚合（新Med（），新pwf（））
.setParallelism（聚合并行）
.returns（Types.TUPLE（Types.STRING，Types.STRING，Types.STRING））；

这些数字是时间戳

弗林克支持不同的时间观念；特别是处理时间和事件时间（以及摄取时间）。Processing time是处理事件时的系统时间。事件时间是指事件中编码的时间戳

如果您使用的是处理时间，那么这些将是unix时间戳（以毫秒为单位），就像从

System.currentTimeMillis（）

返回的一样

如果您使用的是事件时间，那么时间戳只是数字，它们具有应用程序与之关联的任何含义，尽管通常它们也被编码为自纪元起的毫秒（就像

System.currentTimeMillis（）

）

在您的例子中，这些似乎是以秒为单位的unix时间戳，但日期是2023年，这似乎很奇怪。169158000是2023年8月9日下午1:20:00

如果这些时间戳没有意义，可能是您的计算机出现了问题

---

请参阅文档。

这些数字是时间戳

弗林克支持不同的时间观念；特别是处理时间和事件时间（以及摄取时间）。Processing time是处理事件时的系统时间。事件时间是指事件中编码的时间戳

如果您使用的是处理时间，那么这些将是unix时间戳（以毫秒为单位），就像从

System.currentTimeMillis（）

返回的一样

如果您使用的是事件时间，那么时间戳只是数字，它们具有应用程序与之关联的任何含义，尽管通常它们也被编码为自纪元起的毫秒（就像

System.currentTimeMillis（）

）

在您的例子中，这些似乎是以秒为单位的unix时间戳，但日期是2023年，这似乎很奇怪。169158000是2023年8月9日下午1:20:00

如果这些时间戳没有意义，可能是您的计算机出现了问题

---

请参阅文档。

最后我发现了问题：

---

由于element.getTime（）返回一个表示时间戳的int，“element.getTime（）*1000”将导致int溢出，因此我无法获得正确的时间戳

最后我发现了问题：

---

由于element.getTime（）返回一个表示时间戳的int，“element.getTime（）*1000”将导致int溢出，因此我无法获得正确的时间戳

谢谢你的回答！问题只是时间戳，我的窗口是1分钟，两个连续窗口的实际间隔是这样的：TimeWindow{start=1695780000，end=1695840000}TimeWindow{start=1695840000，end=1695900000}TimeWindow{start=1695900000，end=1695960000}这稍微澄清了一些事情。您的时间戳以毫秒为单位。第一个窗口开始于零下19天左右，fwiw。那么我应该怎么做才能显示正确的窗口时间呢？我试图删除“element.getTime（）*1000”中的“*1000”，但仍然不起作用……窗口时间来自事件中的时间戳。您必须追踪事件时间戳的来源。thx为您提供答案！问题只是时间戳，我的窗口是1分钟，两个连续窗口的实际间隔是这样的：TimeWindow{start=1695780000，end=1695840000}TimeWindow{start=1695840000，end=1695900000}TimeWindow{start=1695900000，end=1695960000}这稍微澄清了一些事情。您的时间戳以毫秒为单位