FlinkSQL中有哪些类型的窗口？请详细解释各自的特点和使用场景。

结合时间或计数窗口，逐步聚合结果，减少全量计算。
​触发条件​：窗口结束时触发最终聚合，中间结果可增量输出。
​时间语义​：仅支持事件时间。
​适用场景​：实时去重统计（如UV计算）。
优点​：减少状态存储，提升性能。
​缺点​：仅支持部分聚合函数（如COUNT(DISTINCT)）。

-- 增量聚合窗口（每日UV统计）
SELECT 
  DATE_TRUNC('day', event_time) AS day,
  COUNT(DISTINCT user_id) AS uv
FROM clicks
GROUP BY DATE_TRUNC('day', event_time);

整个流数据属于一个窗口，需自定义触发条件（如定时触发或计数触发）。
​触发条件​：需结合Trigger定义（如每1000条数据触发一次）。
​时间语义​：需配合事件时间或处理时间。
​适用场景​：复杂聚合（如全局累计去重计数）。
优点​：灵活性强，支持自定义触发逻辑。
​缺点​：需手动管理窗口状态，易导致状态膨胀。

-- 全局窗口（每1000条数据触发一次聚合）
SELECT 
  COUNT(DISTINCT user_id) AS unique_users
FROM clicks
GROUP BY GLOBAL_WINDOW()
TRIGGER COUNT(1000);

​窗口边界由事件活动间隙（Inactivity Gap）决定。
​触发条件​：在指定间隙时间内无新事件则关闭窗口。
​时间语义​：仅支持事件时间。
​适用场景​：用户会话分析（如分析用户连续活跃时段）。
优点​：自然反映用户行为周期。
​缺点​：需合理设置活动间隙参数，否则可能合并过多事件。

-- 会话窗口（活动间隙为30分钟）
SELECT 
  SESSION_START(event_time, INTERVAL '30' MINUTE) AS session_start,
  AVG(duration) AS avg_duration
FROM user_events
GROUP BY SESSION(event_time, INTERVAL '30' MINUTE);

窗口大小固定，但窗口之间有重叠。
​触发条件​：窗口结束时触发计算。
​时间语义​：仅支持事件时间。
​适用场景​：连续监控（如实时检测过去1小时内的异常行为）。
优点​：平滑数据，捕捉短期趋势。
​缺点​：窗口重叠导致计算量增加。

-- 滑动窗口（每10分钟统计过去30分钟的数据）
SELECT 
  HOP_START(event_time, INTERVAL '10' MINUTE, INTERVAL '30' MINUTE) AS window_start,
  COUNT(*) AS event_count
FROM logs
GROUP BY HOP(event_time, INTERVAL '10' MINUTE, INTERVAL '30' MINUTE);

窗口大小固定，且窗口之间不重叠。
​触发条件​：窗口结束时触发计算。
​时间语义​：支持事件时间（Event Time）或处理时间（Processing Time）。
​适用场景​：周期性统计（如每分钟订单量）。
优点​：计算简单，适合实时看板。
​缺点​：窗口边界固定，可能丢失窗口边缘的短期波动数据。

-- 按事件时间滚动窗口（每5分钟统计）
SELECT 
  TUMBLE_START(event_time, INTERVAL '5' MINUTE) AS window_start,
  SUM(amount) AS total_amount
FROM orders
GROUP BY TUMBLE(event_time, INTERVAL '5' MINUTE);