前言
資料，已經滲透到當今各行各業的價值創造過程中，成為核心生産要素之一。海量資料的挖掘和運用，已經初見成效。各大廠也在不斷嘗試用新的流式計算架構來對資料進行處理。其中Flink就是一個非常耀眼的存在。今天，這篇文章就重點介紹一下Flink作為一個實時流處理引擎，其最核心的時間和視窗機制。
Flink中的時間與視窗
大資料進行中有兩種經典模式：批處理、流處理。Flink以流為核心，建構出了高性能、高可用的批流一體的分布式大資料計算引擎，在資料流上提供資料分發、通信、具備容錯能力的分布式計算功能。
目前，Flink以流式計算引擎為基礎，同樣也支援批處理，并且提供了SQL、複雜事件處理CEP、機器學習、圖計算等更進階的資料處理場景。
流式處理系統長期以來一直應用在提供低延遲、不準确/近似結果的場景裡，通常結合批處理系統來提供最終正确的結果。而流批一體計算的設計核心，就是視窗。
時間類型
在Flink中定義了3種時間類型：
3種時間類型
- 事件時間（Event Time）：事件發生的時間，一旦确定之後再也不會改變。
- 處理時間（Processing Time）：消息被計算引擎處理的時間，以各個計算節點的本地時間為準。
- 攝取時間（Ingestion Time）：時間進入流處理系統的時間，對于一個事件來說，使用其被讀取的那一刻的時間戳作為攝取時間。
在Flink應用中可以使用這3種時間類型，其中最常用的是事件時間和處理時間。
視窗類型
為了對資料進行切分處理，Flink中提供了3類預設視窗：計數視窗、時間視窗和會話視窗。
計數視窗（Count Window）：分為滾動計數視窗和滑動計數視窗。
- 滾動計數視窗：累積固定個數的元素即視為一個視窗，該類型的視窗無法像時間視窗一樣事先切分好。
- 滑動計數視窗：累積固定個數的元素視為一個視窗，每超過一定個數的原則個數，則産生一個新的視窗。
時間視窗（（Time Window）：分為滾動時間視窗和滑動時間視窗。
- 滾動時間視窗：表示在時間上按照事先約定的視窗大小切分的視窗，視窗之間不會互相重疊。
- 滑動時間視窗：表示在時間上按照事先約定的視窗大小、滑動步長切分的視窗，滑動視窗之間可能會存在互相重疊的情況。
會話視窗（（Session Window）：是一種特殊的視窗，當超過一段時間，該視窗沒有收到新的資料元素，即視為該視窗結束，是以無法事先确定視窗的長度、元素個數，視窗之間也不會互相重疊。
水印 Wartermark
水印用于處理亂序事件。資料總是可能因為各種原因導緻延遲，比如網絡延遲、資料亂序、背壓、failover等。對于延遲太久的資料，不能無限制的等下去，是以必須有個機制，來保證特定的時間後一定會觸發視窗進行計算，這個觸發機制就是Wartermark。
Wartermark處理邏輯
小結
本文簡要介紹了flink中的時間與視窗相關的内容。更詳細的内容摘自《Deep in Flink：Flink核心原理與實作》。