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
Matrix703 分钟前
HBase理论_HBase架构组件介绍
大数据·数据库·hbase
SeaTunnel31 分钟前
我手搓了个“自动生成标书”的开源大模型工具
大数据
静听山水1 小时前
Flink CEP 入门
flink
小_太_阳2 小时前
hadoop_yarn详解
大数据·hadoop·yarn
Data-Miner3 小时前
大数据湖项目建设方案(100页WORD)
大数据·big data
AI服务老曹4 小时前
不仅能够实现前后场的简单互动,而且能够实现人机结合,最终实现整个巡检流程的标准化的智慧园区开源了
大数据·人工智能·深度学习·物联网·开源
管理大亨5 小时前
大数据微服务方案
大数据
脸ル粉嘟嘟6 小时前
大数据CDP集群中Impala&Hive常见使用语法
大数据·hive·hadoop
宝哥大数据6 小时前
数据仓库面试题集&离线&实时
大数据·数据仓库·spark
八荒被注册了6 小时前
6.584-Lab1:MapReduce
大数据·mapreduce