本文介绍如何在 pyspark 中构建复合窗口，同时满足“最近 n 行”和“最近 m 天”双重约束，通过 `collect_list` + `filter` 实现精准的历史结构化聚合。
在实际时序数据分析中，仅依赖固定行数（如 rowsBetween(-2, -1)）或纯时间范围（如 rangeBetween 配合 date 列）往往不够灵活——例如业务要求：“对每个记录，收集其前 2 条且日期不超过 10 天的历史记录”。PySpark 原生窗口不支持直接混合 rowsBetween 与时间条件，但可通过两阶段策略优雅解决：先用宽泛行窗口预聚合，再用 filter 表达式按时间动态裁剪。
核心思路如下：
- 构造结构化内容列：使用 struct(‘id’, ‘date’, ‘value’) 将所需字段打包为嵌套结构，便于后续统一处理；
- 定义宽松行窗口：rowsBetween(-3, -1)（预留冗余行，确保覆盖可能的 2 行+边界情况），配合 orderBy(‘date’) 和 partitionBy(‘id’) 保证逻辑顺序；
- 后置时间过滤：利用 filter(history, x -> x.date >= date – interval 10 days) 动态剔除超期记录（注意：示例中为 interval 2 day 仅为演示，实际应改为 interval 10 days）；
- 结果格式化（可选）：若需输出为字符串形式（如 (1, 2023-05-01, 200)），可追加 transform + concat 或 UDF，但推荐保持 array 类型以利下游计算。
✅ 完整可运行代码（已修正为 10 天约束）：
