第 283 题：实现实时指标的流式计算，滑动窗口的增量更新。
题目
实现实时指标的流式计算，滑动窗口的增量更新。
完整讲解
一、实时指标与流式计算
- 实时指标：PV、UV、CTR、分桶统计等需在事件流上持续更新，延迟要求秒级或亚秒级。流式计算即对每条或每批事件做增量更新，而非离线批处理。
二、滑动窗口
- 窗口：按时间或条数划定范围，如「最近 5 分钟」「最近 1 万条」。滑动即窗口随时间/事件推进而移动，每个时刻只统计窗口内数据。
- 类型：滚动窗口（不重叠）、滑动窗口（可重叠，如每 1 分钟输出过去 5 分钟）、会话窗口（按 gap 切分）。实时指标常用滑动窗口（如最近 1 小时 CTR）。
三、增量更新
- 计数：窗口内 count、sum 可增量维护：新事件进窗则 +1 或 +value，事件出窗则 -1 或 -value。需能识别「出窗」：按事件时间则需按时间戳排序或用水印；按处理时间则可用环形缓冲区按 slot 计数。
- 去重：UV 等需去重时，可用 HyperLogLog 或 Bloom filter 做近似；窗口滑动时需支持「减去过期桶」的 HLL 或分层 HLL。
- 复杂聚合：CTR = click_count / show_count，分别维护分子分母的滑动窗口计数即可增量；分桶统计可每桶一个滑动计数器。
- 实现：Flink/Spark Streaming 等提供窗口 API；自研可用「时间分段 + 段内计数 + 段过期删除」或 Roaring Bitmap 等做精确/近似 UV。
四、背压与一致性
- 流式需处理背压（下游慢时反压上游）；语义上区分 at-least-once 与 exactly-once，按需选幂等与状态持久化。
面试要点
- 能说清实时指标的流式计算、滑动窗口的类型与含义。
- 能说明增量更新：计数与 sum 的进窗/出窗、UV 的近似结构、CTR 等比率的维护；能简述实现（分段、HLL、Flink 等）。
记忆要点
- 实时指标：流式计算+滑动窗口；增量=进窗加、出窗减；UV 用 HLL 等近似。
- CTR 等=分子分母分别滑动计数；实现可用分段或流式引擎（Flink）窗口 API。