flink--事件时间的重要

时间

在流式数据处理理论中，经常使用事件或记录表示从所处理的数据集中拉取的数据，在 Flink中通常以有结构的对象表示事件。
在无界数据处理中，主要有两类事件概念。
(1)事件时间( Event Time):事件实际发生的时间。
(2)处理时间( Processing Time):事件被处理的时间。
并不是所有应用场景都关注事件时间，但其重要性是不言而喻的。例如，在用户行为特征分析、异常检测、基于信贷历史的风控型等分析中，事件时间起 到了决定性的作用。

用户行为特征分析

用户浏览网页或App时会产生一系列页点击与浏览时长数据，这些数据被称为用户行为数据。用户行为数据可以用来判断用户的产品喜好，因此可以用在精准营销、产品功能迭代等环节。 我们可以从这种点击流数据中抽取很多行为指标，如访问频率、平均停留时长、消费行为、信息互动行为、内容发布行为等，从这些指标可以分析出用户的黏性、活跃度，以及产出。
(1)黏性是衡量用户在一段时间内持续访问情况的指标，如访问频率、访问间隔时间。
(2)活跃度指标表征用户访问网页/App的频次，如平均停留时间. 平均访问页面数。
(3)产出指标用来衡量用户的购买价值，如订单数、客单价。 可以对这些指标进一步建模创造商业价值。

异常检测