33-横看成岭侧成峰：再战StreamingWordCount.pdfVIP

3333--横横看看成成岭岭侧侧成成峰峰：：再再战战SSttrreeaammiinnggWWoorrddCCoouunntt

你好，我是蔡楠。

今天我要与你分享的主题是“横看成岭侧成峰：再战Streaming WordCount”。

在上一讲中，我们学习了Beam窗口（Window）的概念。当时，我们提到窗口技术的产生是因为我们想要

根据时间戳去分组处理一个PCollection中的素。

我们也提到了在“统计莎士比亚文集词频”这个例子中，如果莎士比亚穿越到了现代，成了一名极客时间的

专栏作家，我们就可能需要根据他文章的写作时间来统计词频了。

举个具体的例子的话，就是我们能不能灵活地得到莎士比亚在2017年9月使用的高频词汇？或者是他在2018

年第7个周五偏爱使用的高频词汇呢？

时效性是数据处理很重要的一部分，类似上面这样的问题还有很多。

比如，能不能根据实时交通数据，得到最近24小时之内拥堵的道路？能不能根据所有微信分享文章的点击

数据，得到过去一周最热门的文章？这些问题都是可以用窗口技术来解决。

所以今天这一讲，我们就来看看怎样在WordCount这个例子中使用窗口技术。我会介绍怎样在Beam中实现

以下六个问题：

1. 怎样区分有界数据还是无界数据？

2. 怎样读取无边界数据？

3. 怎样给PCollection数据添加时间戳？

4