7.1、如何理解Flink中的时间语义

目录

1、如何理解Flink中的时间语义

2、实时计算时,应该如何选择时间语义?

3、时间语义与窗口的关系


1、如何理解Flink中的时间语义

flink作为流式计算引擎,提供了 两种时间语义 来对流式数据进行计算

事件时间(EventTime) : 事件产生的时间,通常由事件中的时间戳描述

处理时间(ProcessingTime) : 数据据被处理的时间,即服务器的当前系统时间


2、实时计算时,应该如何选择时间语义?

事件时间(EventTime)

优点: 保证了计算结果的正确性(无论什么时候执行)

缺点: 数据结果的实时性受 数据延迟的影响

处理时间(ProcessingTime)

优点:计算实时性高,不受数据延迟的影响

缺点:无法保证计算结果的正确性(无法重跑数据)


3、时间语义与窗口的关系

时间语义决定着数据会被分配到哪个窗口中去

相关推荐
武子康1 天前
大数据-241 离线数仓 - 实战:电商核心交易数据模型与 MySQL 源表设计(订单/商品/品类/店铺/支付)
大数据·后端·mysql
IvanCodes1 天前
一、消息队列理论基础与Kafka架构价值解析
大数据·后端·kafka
武子康2 天前
大数据-240 离线数仓 - 广告业务 Hive ADS 实战:DataX 将 HDFS 分区表导出到 MySQL
大数据·后端·apache hive
字节跳动数据平台3 天前
5000 字技术向拆解 | 火山引擎多模态数据湖如何释放模思智能的算法生产力
大数据
武子康3 天前
大数据-239 离线数仓 - 广告业务实战:Flume 导入日志到 HDFS,并完成 Hive ODS/DWD 分层加载
大数据·后端·apache hive
字节跳动数据平台4 天前
代码量减少 70%、GPU 利用率达 95%:火山引擎多模态数据湖如何释放模思智能的算法生产力
大数据
得物技术4 天前
深入剖析Spark UI界面:参数与界面详解|得物技术
大数据·后端·spark
大大大大晴天4 天前
Flink生产问题排障-HBase NotServingRegionException
flink·hbase
武子康4 天前
大数据-238 离线数仓 - 广告业务 Hive分析实战:ADS 点击率、购买率与 Top100 排名避坑
大数据·后端·apache hive
武子康5 天前
大数据-237 离线数仓 - Hive 广告业务实战:ODS→DWD 事件解析、广告明细与转化分析落地
大数据·后端·apache hive