这是一个非常经典的流式计算（如 Flink）中的“状态爆炸”（State Explosion）问题。 窗口长度 1 小时（3600秒），滑动步长 5 秒，意味着 $3600 / 5 = 720$ 个窗口重叠。如果使用原生的 Sliding Window，一条数据会被复制并分配到 720 个窗口的状态中，导致极大的 CPU 和内存开销。 这里提到的“活跃用户数”通常指 UV（去重用户数，Count Distinct），这是最难处理的。如果是普通 PV（不去重），优化相对简单。以下针对 UV 和 PV 提供工业界常用的几种彻底解决该问题的优化方案： --- 方案一：分片/切片窗口（Sliding Window -> Tumbling Windows 聚合） 核心思想：将滑动窗口转化为多个小的滚动窗口（Panes/Buckets）。 不要让一条数据归属 720 个窗口，而是按滑动步长（5秒）划分不重叠的滚动窗口（Tumbling Window）。 1. 第一层聚合： 每 5 秒为一个时间片（Bucket），每条数据只属于 1 个时间片，完全没有放大。在时间片内对用户进行初步聚合。 2....
播面