时间维持

无限的数据流（例如，Kafka流）的存储成本很高，具有较高的数据量并且永远不会完成加载，从而使其在处理和分析方面具有挑战性。TimeWindower Transformer从逻辑上将大量的数据流分解为分组分组为组（时间数据到达时段时间）或事件时间（代表事件发生的时间的数据时间戳）。一旦组成，数据就可以进行分析和过滤。

TimeWindower可以在短时间内对大量数据流进行分组。例如，以每秒2000条消息从传感器输入的数据可以分解为30秒的窗口。另外，TimeWindower还可以在长时间内对小体积数据流进行分组，例如每秒以一条消息窗口窗口的一条消息分为10分钟的间隔。

了解有关如何使用社区教程中的FME中的RAW，无限数据流进行分类的更多信息亚搏国际在线官网开始使用FME中的流处理，，，，过滤无界数据流，，，，总结无界数据流， 和检测无界数据流中的事件。

---

了解更多或免费尝试FME：