【Flink实战】二、分享关于时间窗口机制的学习理解和极好的博客链接

✅作者简介：大家好我是王大梨,是一名虽然菜但是爱分享的程序员、架构师、信息安全爱好者🏆
📃个人主页：王大梨🍐的csdn博客 🔥
系列专栏：Flink实战，篇篇都是flink的干货，结合理论知识和实际项目，让你透彻理解flink！
💖如果觉得博主的文章还不错的话，请👍三连支持一下博主哦🤞

最近在研究flink的时间窗口机制，遇到了很多问题，也学到了很多。
flink的时间窗口机制属于flink中的重难点了，也属于flink的亮点之一。flink是处理流数据的，如果我们想要看到过去某段时间的数据记录，就需要时间窗口。
时间窗口中的时间，是一个关键词。怎样理解时间呢。flink官方文档中对flink支持的三种时间属性做了基本的解释。
这个概念不难理解，就是三种时间属性：
处理时间，对应英文是processing time，指的是执行具体操作时的机器时间（大家熟知的绝对时间, 例如 Java的 System.currentTimeMillis()) ）；
事件时间 指的是数据本身携带的时间。这个时间是在事件产生时的时间；
摄入时间 指的是数据进入 Flink 的时间；在系统内部，会把它当做事件时间来处理。
很好理解，平时我们在处理实时数据时一般都是用事件时间，即EventTime。
在使用前需要在代码里做一下设定：

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime); // default

// 或者:
// env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime);
// env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

那在处理实时数据的时候，很多时候因为数据积压、网络不稳定或者其他情况，会出现事件延迟的情况，也就是会有数据乱序或者晚到。那么为了能够处理乱序的事件，并且区分正常到达和晚到的事件，flink需要从事件中获取事件时间并且产生水印，也就是watermark(s)。
水印的概念也值得之后好好讲一下。官方文档里还介绍了如何在flink Table API & SQL里面定义时间以及相关的操作，这个之后再分析。

接下来看窗口这个概念。
窗口，放在数据流里，相当于截取了一段数据流。窗口可以分成：滚动窗口（Tumbling Window，数据无重叠），滑动窗口（Sliding Window，数据有重叠），计数窗口和会话窗口。

放链接了：

【Flink】超详细Window机制……
介绍：总结的真的很棒，言简意赅，但是该有的都有，并且作者很用心地画了不少图帮助理解，博客界的真·良心典范；
第六章，基于时间和窗口的操作符
介绍：尚硅谷flink教程，良心！（我好像词穷？) 详细地介绍了基于时间和窗口的操作符，首先，介绍了如何定义时间属性，时间戳和水位线。然后介绍底层操作process function（它可以让我们访问时间戳和水位线，以及注册定时器事件）。接下来，带领大家使用Flink的window API，它提供了通常使用的各种窗口类型的内置实现。从该链接中，我们将会学到如何进行用户自定义窗口操作符，以及窗口的核心功能：assigners（分配器）、triggers（触发器）和evictors（清理器）。最后，我们将学会如何基于时间来做流的联结查询，以及处理迟到事件的策略。干货满满！

知乎专栏：Flink的专家之路
无意中发现的宝藏专栏。作者深耕flink，在成为专家的路上积累出了这个专栏，一共几十篇，篇篇是干货！

欺诈检测器 v2：状态 + 时间 = ❤️
这是我在研究如何实现两条数据关联分析的需求时，发现的宝藏例子。flink的官方文档真的值得多看几遍，拿放大镜看！按理说我接触flink也挺久了，但水平一直浮在表面，其原因可能就是我不肯好好研究官方文档。

所以看到这篇博客的兄弟姐妹们👬👭一定要好好读官方文档啊！官方文档诚不欺我！

Flink Meetup - 基于Flink的实时用户行为分析
这是一篇很老的博客了，19年的，但是作者对flink或者说大数据领域研究比较深入，是做大数据计算防线的工程师，也热爱分享，他的博客写的都非常深入，也有着自己的思考，非常值得品鉴！

持续更新中哦，最近因为需求的深入分析和变更，我对时间窗口这块的理解更深入了。关注我，我会持续地分享自己对flink的理解与实战！和大🍐我一起进步呦～