在流系統中通常會經常使用到Windows來統計一定範圍的數據，比如按照固定時間、按個數等統計。一般會存在兩種類型的Windows：Tumbling Windows vs Sliding Windows，它們很容易被初學者混淆，那麼Tumbling Windows vs Sliding Windows之間到底有啥區別與聯繫呢？這就是本文將要展開的。
Tumbling的中文意思是摔跤，翻跟頭，翻筋斗；Sliding中文意思是滑動，滑行、滑落；下跌；打滑等意思。中文意思之間不太好區分。
Tumbling Windows vs Sliding Windows之間最大的區別就是：Tumbling windows是不可能重疊的；而Sliding Windows是存在重疊的。
Tumbling window
Tumbling window在流數據中進行滾動，這種窗口不存在重疊，也就是說一個events/data只可能出現在一個窗口中，如下圖所示：
從上圖可以看出，Tumbling window之間是不存在重疊的。Tumbling window的創建可以基於數量（比如每5個元素構成一個窗口）或者基於時間（如上圖每隔10s創建一個窗口）。
Sliding Window
Sliding Window是在流數據中進行滑動，窗口之間可以重疊，它可以在傳入的數據流中進行平滑聚合。Sliding Window如下圖所示：
和Tumbling window一樣，我們可以根據需求創建基於數量或者基於時間窗口。
Tumbling Windows vs Sliding Windows區別
我們可以將Tumbling Windows看作是Sliding Windows的特殊情況，當Sliding Windows的滑動時間和窗口時間是一樣的時候，這時候Sliding Windows窗口之間就不會重疊，這就是Tumbling Windows。
在當前的Spark版本中（甚至是Spark 2.0）是沒有提供直接創建Tumbling Windows的API，但是我們可以通過將Sliding Windows的window duration和slide duration設置成一樣來構成Tumbling Windows。
而在Flink中存在非常豐富的窗口函數，包括Global Windows、Tumbling Windows、Sliding Windows以及Session Windows等等，這也是Flink功能強大的一面。