这是我参与「第四届青训营 」笔记创作活动的第15天
今天这一篇应该是我青训营期间最后一篇文章了吧，哎，先写吧，后面再聊天，我好困
Flink 中的时间语义
为什么需要定义时间（Time）语义
窗口操作，如果是时间窗口，分步处理流数据的时候，可能会出现乱序。我们当前处理这个数据时，其实并不是数据发生的时间，因为数据产生后，因为中间存在采集ETL，网络传输，本身就具有一个延迟，另外分布式传递时，还会引起一个延迟带来的乱序（可能本身数据都有一定延迟，但是由于分布式处理， 向后面传递时，存在后面数据超过前面），因此想要解决这种问题，需要定义一个时间语义
Flink当中三种不同的时间语义
Flink当中包含这三种时间语义，分别是Event Time、Ingestion Time、Processing Time;这三种时间语义分别代表什么呢？
Event Time
Event Time：事件创建的时间
当前的事件或是数据产生时，本来就存在一个时间，这个就叫做Event Time
Ingestion Time
Ingestion Time：数据进入Flink的时间
在数据或是事件产生之后，经过数据的采集，一般我们将它装到消息队列kafka里，有了数据源，我们分区读kafka，然后读到Flink系统里面，那这个读到的时间，和之前的时间，是不是不一样了，顺序可能也会不一样。这个时间就叫做Ingestion Time，也可以叫做摄入时间，所以这就是进入Flink的时间，那进入Flink的时间，其实也不一定是我们后面处理的时间，因为Flink是一个集群，而且这是一个分布式，一步一步前后做不同任务的集群，所以在进入的时候，我们进入source任务，在后面传递，又有不同的分区，所以顺序与时间，都会发生变化，所以这边我们需要再定义一个时间语义：Processing Time
Processing Time
Processing Time：执行操作算子的本地系统时间，与机器相关
我们上面提到的最后运行的系统时间，就是Processing Time（处理时间）
迟到数据在什么情况下会出现呢
指某个水位线之后到来的数据，它的时间戳其实是在水位线之前的 我们如果只考虑一个时间语义，没有可能会出现数据迟到的现象
