Flink统计网站PV，UV

flink的优势

• flink适合进行全局去重，全局聚合操作，比如distinct ，uv等业务场景。spark streaming做起来比较麻烦，想要实现需要借助状态算子或者第三方存储，比如redis，alluxio等。
• flink的trigger可以支持同一个窗口多次输出。
• flink可以通过其分布式checkpoint的性质结合sink的事物（分布式两段提交协议）来实现仅一次处理。flink也可以利用sink的幂等性来实现仅一次处理。
• 更容易实现ddl，dml等完整的sql支持，进而实现完全sql实现业务开发，类似blink。
• flink可以方便地使用文件后端实现大状态管理，但是频繁发作也会引发linux系统操作文件的一些bug。

什么是PV、UV？

PV：页面点击次数

UV：独立用户访问次数

Window

窗口是处理数据流的核心，Windows将流分成有限大小的“存储桶”，我们可以在其上应用计算。

Time

考虑到网络的延迟和数据的乱序，不能简单的使用Flink的系统时间做统计。

在Flink中，有以下三种时间特征：

• Processing time：Operator处理数据的时间。
• Event time ： 事件发生时间。
• Ingestion time：被Flink摄入的时间。

在统计PV UV时，我们需要根据用户访问的时间，所以使用Event Time。