kafka stream的自定义时间段窗口实现

最近系统需要做一个日志平台，对所有接入的系统进行日志的统计分析，因为之前用的是kafka来实现各业务系统日志接入日志平台的，所以想到了直接使用kafka官方本身提供的一个实时计算框架kafka stream。
kafka stream的时间窗口有两个重要的属性：窗口大小和步长(移动间隔)，滚动窗口Tumbling Time Window：步长等于窗口大小，滚动窗口是没有记录的重叠；跳跃窗口Hopping Time Window：步长不等于窗口大小。
我们的需求是要求预警每天从0点到24点时间段内发生操作或查询次数过多的记录，之前我用的是滚动窗口，窗口大小为一天，不过我看了kafka的默认实现，窗口设置在.windowedBy(TimeWindows.of(Duration.ofDays(1)))，TimeWindows对象里面主要的方法就是public Map<Long, TimeWindow> windowsFor(final long timestamp) {}，根据记录的时间戳来判断是属于哪个窗口，默认代码为

@Override
public Map<Long, TimeWindow> windowsFor(final long timestamp) {
    long windowStart = (Math.max(0, timestamp - sizeMs + advanceMs) / advanceMs) * advanceMs;
    final Map<Long, TimeWindow> windows = new LinkedHashMap<>();
    while (windowStart <= timestamp) {
        final TimeWindow window = new TimeWindow(windowStart, windowStart + sizeMs);
        windows.put(windowStart, window);
        windowStart += advanceMs;
    }
    return windows;
}

该实现的窗口时间段是从8点到第二天的8点为一天，而不是需求要求的0点到24点，于是我重新实现了一个类OffsetTimeWindows

@Override
public Map<Long, TimeWindow> windowsFor(final long timestamp) {
    long windowStart = timestamp - (timestamp + offset) % sizeMs; //取得当前时间戳那天0点的时间戳
    final Map<Long, TimeWindow> windows = new LinkedHashMap<>();
    while (windowStart <= timestamp) {
        final TimeWindow window = new TimeWindow(windowStart, windowStart + sizeMs);
        windows.put(windowStart, window);
        windowStart += advanceMs;
    }
    return windows;
}

其中增加了一个offset的参数，可以在初始化这个类的时候进行赋值，以达到自定义任意时间段的效果，我是需要0点，所以该offset我设置为28800000，经过测试，能够完美实现该效果。
在实现该需求的过程中，我发现flink的客户端有直接提供设置偏移量的窗口类TumblingEventTimeWindows，而kafka本身是没有实现的，目前看起来flink是功能更完备一些的。