能否在PySpark Structured Streaming中使用row_number()函数？

PySpark SQL官方文档对row_number()函数的定义是：

返回窗口分区内从1开始的连续编号

这意味着该函数仅能在窗口场景下使用，直接执行以下代码会触发预期的异常：

df.select('*', row_number())

异常信息：

Window function row_number() requires an OVER clause

此外，row_number()的.over()方法仅兼容WindowSpec对象，如果尝试传入结构化流原生的时间窗口函数window()，会触发类型错误：

from pyspark.sql.functions import window, row_number
...
df.select('*', row_number().over(window('time', '5 minutes')))

错误信息：

TypeError: window should be WindowSpec

根据ASF Jira上的相关评论：

我们所说的时间窗口是指结构化流（SS）原生支持的时间窗口类型。
WindowSpec是不被支持的。它以非时间方式定义窗口边界和行偏移，这在流场景中难以追踪。

由于Structured Streaming通常不支持WindowSpec，由此得出row_number()函数在Structured Streaming中不被支持的结论是否正确？仅需确认是否遗漏了相关信息。

内容的提问来源于stack exchange，提问作者Kai Roesner