在 Streaming data 的處理上，因為數據是連續不斷的，我們不可能等到所有數據都到了才開始處理，我們可以每來一個消息就處理一次，像是一些聚合 (aggregation) 的處理。舉個例子：在過去的 1 分鐘內有多少用戶點擊了我們的網頁。在這種情況下，我們必須定義一個窗格 (window)，用來收集最近一分鐘內的數據，並對這個窗格內的數據進行計算。

窗格可以是時間驅動的 (Time Window，例如：每30秒鐘一個窗格)，也可以是數據驅動的 (Count Window，例如：每一百個事件一個窗格)。這些窗格分類普遍可以分成：Tumbling Window (無重疊)，Sliding Window (有重疊)，和Session Window (有間隙)。

下面這張表格定義 Data windowing: Chopping data along temporal boundaries into finite blocks for processing. (將數據沿時間邊界切割成有限塊以進行處理，英文很難懂，也說得很籠統)

下面用例子來解釋幾種 windowing 方法，假設不同時間點有不同數量的 Stream data。

Fixed (Tumbling): 用固定的時間邊界 (temporal boundaries)，把這些 Stream data 切成好幾塊 Block。如上圖藍色線部分。
Sliding: 滑動時間範圍，Block 和事件有固定的 length 和 period，且每個時間範圍都至少會有一個事件，如果 period (temporal boundaries) < length (window size)，window 就會重疊 (overlap)，如上圖上面那一條綠線；如果 period = length 就會和 Fixed 一樣。
Session: 會將相近時間的 stream data 分組，並把沒有任何數據的時間範圍篩掉，如上圖橘色線部分。