TUMBLE 是 Flink SQL 中固定大小、不重叠的滚动窗口，要求时间字段为事件时间并显式声明 WATERMARK，否则无法触发窗口闭合；其语法为 TUMBLE(time_attr, size_interval)，仅适用于支持流语义的引擎，不可在 MySQL 等传统数据库中直接使用。
SQL 本身不处理实时数据流，真正干活的是 Flink SQL、Trino 实时连接器或 ClickHouse 物化视图这类带流语义的执行引擎——窗口函数只是你写逻辑的“语法接口”，底层靠引擎调度水位线、维护状态、切分窗口。
为什么 TUMBLE 不能直接套在普通数据库表上用
你在 PostgreSQL 或 MySQL 里写 SELECT TUMBLE(event_time, INTERVAL '1' MINUTE) 会报错，因为这些数据库没有流式表抽象，也不维护事件时间水位线（WATERMARK）。它们把表当静态快照，而 TUMBLE 要求引擎能：识别时间字段、推进水位线、触发窗口闭合、清理过期状态。
- 错误现象：
Unknown function: TUMBLE或Column 'event_time' is not a time attribute - 必须先注册时间属性：Flink SQL 中需在 DDL 里显式声明
WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND - 普通 SQL 引擎（如 MySQL）连
WATERMARK关键字都不认识，更别说按事件时间对齐窗口 - 想“假装”用窗口？写
WHERE event_time > NOW() - INTERVAL '1' MINUTE是批查逻辑，每次全表扫，延迟高、不准、压库
HOP 和 TUMBLE 的参数顺序和语义差异
HOP 容易写反两个 interval 参数，导致窗口步长比大小还大，结果空跑或重复计算；TUMBLE 看似简单，但漏掉时间属性声明就完全失效。
-
TUMBLE(time_attr, size_interval)：只传一个间隔，比如TUMBLE(ts, INTERVAL '30' SECOND) -
HOP(time_attr, slide_interval, size_interval)：注意顺序！slide_interval必须 ≤size_interval，例如HOP(ts, INTERVAL '10' SECOND, INTERVAL '60' SECOND)表示每 10 秒输出一次过去 60 秒的聚合 - 若写成
HOP(ts, INTERVAL '60' SECOND, INTERVAL '10' SECOND)，Flink 会报错：Slide interval must be less than or equal to window size - 两者都要求
time_attr是ROWTIME类型字段，不是普通TIMESTAMP
窗口闭合后数据迟到怎么办
真实场景中网络抖动、日志采集延迟都会让事件晚到几秒甚至几分钟。窗口一关就丢数据，指标就偏低——这不是 SQL 写得不对，是水位线设置太激进或没配允许延迟。
- 默认行为：窗口随水位线推进而关闭，迟到数据被丢弃
- 补救方式：在 DDL 中加
ALLOWED_LATENESS INTERVAL '30' SECOND，让窗口多等 30 秒 - 但注意：这会延长状态保留时间，RocksDB 状态可能暴涨；如果延迟超过
ALLOWED_LATENESS，仍会丢数据 - 更稳做法：用
sideOutputLateData（Flink API 层）或写入单独的“迟到流”表做二次修正，SQL 层目前不直接暴露该能力
窗口聚合结果怎么查才不拖慢应用
别让前端每秒执行一次 SELECT * FROM tumbling_orders。Flink SQL 输出的是持续更新的流式表，直接查它等于每秒拉一次最新快照，但底层是不断追加的 changelog 流。
- 推荐方式：把窗口结果写入外部存储（如 MySQL、Redis、Doris），应用查这张物化后的汇总表
- 例如：用
INSERT INTO orders_1min_summary SELECT ..., COUNT(*) FROM orders GROUP BY TUMBLE(ts, INTERVAL '1' MINUTE) - 查的时候只读最新一条（按窗口起始时间倒序取 limit 1），避免扫历史窗口
- 如果用 Redis 缓存，key 命名为
orders:1min:20260416:2130，过期时间设为INTERVAL '1' MINUTE + INTERVAL '5' SECOND
窗口函数不是魔法，它把时间语义、状态生命周期、水位线推进这些复杂性封装进语法糖里，但写错一个参数、漏配一个 WATERMARK，结果就偏得离谱。最常被忽略的其实是时间字段类型——ts TIMESTAMP(3) 和 ts TIMESTAMP(3) METADATA FROM 'timestamp' 在 Flink 里完全是两回事。
