Flink的四大基石之---Flink Time 时间 以及 时间分类详解

1. Flink Time时间的分类

简介: 在Flink流计算中，关于时间语义支持三种，其中2种语义最为关键：

• 1）、处理时间ProcessingTime，使用处理时间
  • SparkStreaming时，窗口计算，使用的就是处理时间
• 2）、事件时间EventTime，最为合理
  • StructuredStreaming中，窗口计算，使用的是事件时间
    
    在Flink的流式处理中，会涉及到时间的不同概念，如下图所示：
    
• 1）、事件时间EventTime
  • 事件真真正正发生产生的时间，比如订单数据中订单时间表示订单产生的时间
• 2）、摄入时间IngestionTime
  • 数据被流式程序获取的时间
• 3）、处理时间ProcessingTime
  • 事件真正被处理/计算的时间

其中: 事件时间 和 处理时间 最为重要

2. 示例说明Flink Time中EventTime重要性

简介: 通过几个示例，感受对数据处理时，需要使用基于事件时间进行分析，更加合理化。

• 1）、示例一
  

• 2）、示例二
  

• 3）、示例三
  

总结:
实际开发中，希望基于事件时间来处理数据，但因为数据可能网络延迟等原因，出现了乱序或延迟到达，那么可能处理的结果不是想要的甚至出现数据丢失的情况，所以需要一种机制来解决一定程度上的数据乱序或延迟到底的问题：水位线WaterMark