[大数据]Flink的Time详解之时间语义Time介绍

对于流式数据处理，最大的特点是数据上具有时间的属性特征，Flimk 根据时间产生的位置不同，将时间区分为三种时间语义，分别为事件生成时间（Event Time）、事件接入时 间（Ingestion Time）和事件处理时间（Processing Time）。

• Event Time：事件产生的时间，它通常由事件中的时间戳描述。
• Ingestion Time：事件进入 Flink 的时间。
• Processing Time：事件被处理时当前系统的时间。

1.时间语义 Time

数据从终端产生，或者从系统中产生的过程中生成的时间为事件生成时间，当数据经过 消息中间件传入到 Flink 系统中，在 DataSource 中接入的时候会生成事件接入时间，当数 据在 Flink 系统中通过各个算子实例执行转换操作的过程中，算子实例所在系统的时间为数 据处理时间。Flink 已经支持这三种类型时间概念，用户能够根据需要选择时间类型作为对 流式数据的依据，这种情况极大地增强了对事件数据处理的灵活性和准确性。

2.设置时间语义

在 Flink 中默认情况下使用是 Process Time 时间语义，如果用户选择使用 Event Time 或 者 Ingestion Time 语 义 ， 则 需 要 在 创 建 的 StreamExecutionEnvironment 中 调 用 setStreamTimeCharacteristic() 方 法 设 定 系 统 的 时 间 概 念 ， 如 下 代 码 使 用 TimeCharacteristic.EventTime 作为系统的时间语义：

//设置使用EventTime 
streamEnv.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) 
//设置使用IngestionTime 
streamEnv.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime)