Flink Window 触发机制的关键模型

Flink 触发机制的关键模型

前面的文章，提到Watermark（以下用wm代替）的时候，就说过wm为触发，提供参照物的作用。今天就看用源码看看。
这里有两个情况，先展开讨论下，

1. 第一是，没有窗口，也就意味着，每条数据，都需要根据wm来判断是否触发。
2. 第二是 ，有窗口，意味着，每个窗口，都需要根据wm来判断是否触发。

虽然是两种情况，但是具有共性特征，窗口也有时间，用窗口的endTime代表窗口触发的时间，就和数据触发过程无异了。

聊到了这，就有两个问题需要解答，数据或窗口的时间怎么保存，怎么触发。
以窗口为例，
一个窗口可能对应n条数据，每次处理同一个窗口n条数据时，都会产生相同的窗口数据，如果都保存显然不靠谱，优化去重是需要的。如果去重后，数据以什么结构来保存呢？数据的来源不是严格有序的，可以采用堆结构，或者RocksDB存储。

数据存好了，怎么触发呢？代码中在更新获得的wm时，就会判断堆结构的peek() 是否小于等于wm，poll()数据，进行逻辑操作,直到堆结构为空或peek()>wm。

现在来看看源码，先看下触发部分

// 这是 InternalTimerServiceImpl 类 的advanceWatermark 方法，传递的参数就是wm。
 public void advanceWatermark(long time) throws Exception {
   
        currentWatermark = time;

        InternalTimer<K, N> timer;
       // 从eventTimeTimersQueue中获取堆顶元素
        while ((timer = eventTimeTimersQueue.peek()) != null && timer.getTimestamp() <= time) {
   
            eventTimeTimersQueue.poll();
            keyContext.setCurrentKey(timer.getKey());
            triggerTarget.onEventTime(timer);
        }
    }

再来看数据存储结构

//这是EventTimeTrigger类，处理每条数据的方法
 public TriggerResult onElement(
            Object element, long timestamp, TimeWindow window, TriggerContext ctx)
            throws Exception {
   
            //数据对应窗口的最大时间，如果<=wm,直接触发
        if (window.maxTimestamp() <= ctx.getCurrentWatermark()) {
   
            // if the watermark is already past t