【深入浅出flink】第12篇：多图全面剖析flink中的时间语义和Watermark，面试官再也难不倒我了

大家好，我是雷恩Layne，这是《深入浅出flink》系列的第十二篇文章，希望能对您有所收获O(∩_∩)O

一、Flink中的时间语义

流式数据处理最大的特点是数据具有时间属性特征，Flink根据时间产生的位置不同，将时间区分为三种概念：数据生成时间（Event_time）、事件接入时间（Ingestion_time）、事件处理时间（Processing_time），用户可以根据需要选择事件类型作为流式数据的时间属性。

（1）事件时间（Event time）

事件时间是事件创建的时间，这个时间通常在到达Flink之前已经嵌入到生产数据中，因此时间顺序取决于事件产生的地方，和下游的数据处理系统的事件无关。事件时间能够保证正确性，哪怕事件是无序的、延迟的甚至是从持久层的日志或者备份中恢复的，都能保证事件得到正确处理。通常，基于事件时间的Event需要等待水位线(Watermark)的到来触发窗口。

（2）处理时间（Processing time）

处理时间是在执行算子计算过程中获取到的所在主机的时间，也就是具体执行任务的主机的系统时间。基于处理时间的流计算作业在执行时，无需等待水位线的到来触发窗口，所以可以提供较低的延迟。由于处理时间并不是数据真正产生的时间，所以在有些场景下可能会出现问题。

（3）摄入时间（Ingestion time）

摄入时间是数据接入Flink系统的时间，依赖于Source Operator所在主机的系统时钟。

处理时间（Processing time）不依赖Watermark(水位线)，Watermark只在基于事件时间和摄入时间这两种时间类型下起作用，更多的是用于事件时间。

二、Watermark(水位线)

2.1 Watermark的由来

我们知道，流处理从事件产生，到流经source，再到operator，中间是有一个过程和时间的，虽然大部分情况下，流到oper