怎样截取数据
1.窗口分类
看作是一种对数据进行均匀切片的划分方式
看作是数据 遍历的一种方式
Windows窗口的方式
窗口大小(Windows size)+ 滑动步长(Windows slide )
窗口大小-- 窗口的开始（start）和结束（end）
窗口步长-- 窗口的统计频率
时间窗口和计数窗口
时间窗口--Event Time和Processing Time两种时间属性
基本的内容--滑动窗口
滑动-滚动-跳动
会话窗口 --会话超时失效的机制来描述窗口。当它在一个固定的时间周期内不再收到元素，即会话断开时，该窗口就会关闭
活动间隙
会话窗口只能基于时间来定义，间隔时间（Gap）来配置，这个间隔定义了非活跃周期的长度，
如果数据在指定的间隔（Gap）之后到达，则会开始一个新的窗口
会话超时时间的长度 size 即相邻两个数据到来的时间间隔（Gap）
Watermark 来进行关窗
2.窗口计算
01.计算方式--分组流（keyed streams）和无分组流（non-keyed streams）两种
按键分区窗口 (Keyed Window) 不分组窗口 (Non-Keyed Window)
边界填充（Padding） 步长(Stride)
实现和应用
滑动窗口计算，最容易想到的就是用两层for循环来实现
window_sequences = [data[i:i+window_size] for i in range(0, len(data)-window_size+1, slide_step)]
shape
叠被子-- 窗口大小--滑动步长()
算速度--窗口的方式--匀加速或者匀减速的假设条件
计算异常点
数据分组计算
任务并行 (Task Parallelism 指在多个不同任务上并行地执行。任务并行的核心思想是将整个任务划分成多个独立或相互依赖的子任务
数据并行 (Data Parallelism) 运行 同一批数据的 不同子集--数据被划分成多份，然后将每份数据分配到不同的计算节点上
数据分区（Data Partitioning）
范围分区（Range Partitioning） 哈希分区（Hash Partitioning） 列表分区（List Partitioning
传统数据库窗口函数
OVER窗口（OVER Window）是传统数据库的标准开窗，
Group By Window
01. 分组排名 (ROW_NUMBER() / RANK() / DENSE_RANK())
此操作用于在每个分组内对数据进行排序并编号（常用于求各组内的 Top N 数据
02. 组内聚合 (SUM() / AVG() / MAX() / MIN())
03.lag() 与 lead() 操作的数据都在 over() 的范围内，他里面可以使用 partition by 语句（用于分组） order by 语句（用于排序）。
partition by a order by b 表示以 a 字段进行分组，再 以 b 字段进行排序，对数据进行查询
存储
数据模型
structural encoding:
决定嵌套结构、null、offset、repetition/definition 等结构信息如何落盘
compressive encoding:
决定具体值如何压缩，比如 bit packing、FSST、dictionary、LZ4
示例
Parquet 会把嵌套结构 flatten 成 leaf columns。
每个 leaf column 包含 values、repetition levels、definition levels，并按 page 组织