Flink中WarterMark的基本思考

一、 背景
Flink的Watermark是解决窗口计算中的时间乱序问题，以滚动窗口为例
二. 具体样例：

如果watermark中timestamp严格的重合的话，计算窗口时间的总和

那么 0到5的窗口计算的结果为：0 + 1 + 2 + 3 + 3 + 4 = 13

5到10 的窗口计算的结果为： 5 + 6 + 6 + 7 + 8 = 32 ，其中4 被遗弃了，不参与count的计算

10 到 15 窗口计算的结果为： 10 ，其中8 和 9 是乱序数据因此就被遗弃了

1. 具体样例：
   如果水位线增加一点延迟，延迟为3
   那么在事件时间为8 到之前的 事件时间小于5的数据都为在第一个窗口中被处理 [0,5）
   最终的计算结果为：
   窗口1 ：0 + 1 + 2 + 3 + 3 + 4 + 4 = 17 000
   窗口2 ：5 + 6 + 6 + 7 + 8 + 8 + 9 = 49 000
   窗口3 ：10
   
   三、 发散思维1
   
   在 8 之前再添加一个2 ，那个第一个窗口的计算结果就是 17 + 2 = 19
   

四、 发散思维2

在 8和 9 之后插入6，因为延迟是3秒，因此在事件时间为13的数据没来之前的小于10的数据都可以在第二个窗口被计算

因为第二个窗口的值应该是 49 + 6为55