水位线

【Flink】WaterMark 实战例如，现在我们有了一个 [12:00:00-12:00:10) 的时间窗口，现在事件如下图所示顺序 A、B、C、D、E、F … 到达。

【大数据】详解 Flink 中的 WaterMark流处理，最本质的是在处理数据的时候，接受一条处理一条数据。批处理，则是累积数据到一定程度在处理。这是他们本质的区别。

【大数据】Flink 中的事件时间处理在之前的博客中，我们强调了时间语义对于流处理应用的重要性并解释了处理时间和事件时间的差异。虽然处理时间是基于处理机器的本地时间，相对容易理解，但它会产生一些较为随意、不一致且无法重现的结果。相反，事件时间语义会生成可重现且一致性的结果，这也是很多流处理用例的刚性需求。但和基于处理时间语义的应用相比，基于事件时间的应用需要一些额外的配置。此外，相比纯粹使用处理时间的引擎，支持事件时间的流处理引擎内部要更加复杂。

Flink-水位线和时间语义在实际应用中，事件时间语义会更为常见。一般情况下，业务日志数据中都会记录数据生成的时间戳（timestamp），它就可以作为事件时间的判断基础。在Flink中，由于处理时间比较简单，早期版本默认的时间语义是处理时间；而考虑到事件时间在实际应用中更为广泛，从Flink1.12版本开始，Flink已经将事件时间作为默认的时间语义了。