注意：触发窗口的条件不仅和维度有关，而且还与事件有关，比如我事件类型设置了eventTime
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);
那么如果代码中我没有设置watermark，则该窗口永远不会触发，即使你设置了时间窗口或者计数窗口
下面开始介绍flink中的window（窗口）
按照维度：分为时间窗口和计数窗口
1.时间窗口TimeWindow：比如要计算最近1个小时之内的数据，这就需要时间窗口
2.计数窗口CountWindow：比如要计算最近50个数据，这就需要计数窗口
按照类型：滚动窗口和滑动窗口（多个窗口的共同称呼）
1.滚动窗口TumblingWindow，计算的数据不重叠，比如1个窗口获取第1-第5个数据，第2个窗口获取第6-第10个数据，这两个窗口形成了一个窗口集合，该集合就叫做滚动窗口
2.滑动窗口SlidingWindow，计算的数据重叠，比如第1个窗口获取上午10-11点的数据，第2个窗口获取上午10.30-11.30的数据，其中10.30–11点这段时间被两个窗口重叠了，这两个窗口形成的集合，就叫做滑动窗口
API
timeWindow(Time t1);
timeWindow(Time.minutes(2))
参数个数是1个，表示滚动窗口，比如当前时间是00:00:35，那么第一次触发窗口的时间是00:01:00（注意不是00:02:35）,接下来，每2分钟触发一次窗口，下次触发的时间是00:03:00，以此类推
timeWindow(Time t1,Time t2);
//参数个数是2个，表示滑动窗口，下面这行代码表示窗口大小为2分钟 ，每
//隔1分钟计算一次最近两分钟内的数据
timeWindow(Time.minutes(2),Time.minutes(1))
增量聚合与全量聚合（新版flink似乎不用考虑这个概念）
增量聚合：窗口每进入一条数据就计算一次，一般当countWindow的参数为1的时候才会出现，而时间窗口timeWindow一定是全量聚合，所以时间窗口也不会出现增量聚合
全量聚合：窗口触发的时候才会对窗 口内的所有数据进行一次计算
countWindowAll与countWindow的区别
延伸一点就是说以windowAll结尾的和window结尾的区别
windowAll结尾的不可以并行，原文注释：
Note: This operation is inherently non-parallel since all elements have to pass through the same operator instance