前言

一、时间语义

1、Event Time

????????事件时间，是事件发生时的时间，在数据中带有描述时间的字段，由于从事件发生时到数据处理的过程中会经过不同的时间段，事件发生时间则很好的描述了数据的原始时间。相比其他时间语义，Event Time的事件时间是确定的，可以使用数据中的时间，也可以在数据到达flink之后按照一定的规则生成时间。

2、Ingestion Time

????????摄入时间，是事件到达Flink Souce的时间，是数据进入Flink 的时间。

3、Processing Time

????????处理时间，是flink在算子中处理数据的时间，在每个算子中处理事件可能都不相同，具有不确定性。

二、Watermark

????????Ingestion Time 和 Processing Time 不需要设置Watermark。Event Time则需要设置Watermark。Watermark时间戳是一直递增的，同时可以通过设置延迟来控制准确度，保证乱序的晚来的数据也能够被解析到。

????????Event Time存在于每条数据中，需要通过 WatermarkGenerator 来配置 watermark 的生成方式，让Flink 应用程序知道事件时间戳对应的字段，意味着数据流中的每个元素都需要拥有可分配的事件时间戳。其通常通过使用 TimestampAssigner API 从元素中的某个字段去访问/提取时间戳。

三、AscendingTimestampsWatermarks

时间有序递增时，可以使用AscendingTimestampsWatermarks

（1）开启nc

nc -lp 8888

（2）输入数据

（3）示例

@Test
    public void forMonotonousTimestampsTest() throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setRuntimeMode(RuntimeExecutionMode.STREAMING)
                .setParallelism(1);
        DataStreamSource<String> source = env.socketTextStream("172.16.10.159", 8888);
        source.map(new MapFunction<String, Long>() {
            @Override
            public Long map(String value) throws Exception {
                return Long.parseLong(value);
            }
        })
                //设置时间戳和水印
                .assignTimestampsAndWatermarks(WatermarkStrategy.<Long>forMonotonousTimestamps().withTimestampAssigner((element, recordTimestamp) -> element))
                //基于事件时间的滚动窗口，时间间隔是10毫秒
                .windowAll(TumblingEventTimeWindows.of(Time.milliseconds(10)))
                .process(new ProcessAllWindowFunction<Long, Long, TimeWindow>() {
                    @Override
                    public void process(Context context, Iterable<Long> elements, Collector<Long> out) throws Exception {
                        Iterator<Long> it = elements.iterator();

                        Long last = null;
                        while (it.hasNext()) {
                            Long next = it.next();

                            last = next;
                            System.out.println("元素: " + next);
                        }
                        out.collect(last);
                    }
                })
                .print("forMonotonousTimestamps")
        ;
        env.execute("Watermark");
    }

（4）结果

元素: 0
forMonotonousTimestamps> 0
元素: 10
元素: 15
元素: 19
forMonotonousTimestamps> 19
元素: 20
元素: 21
元素: 22
元素: 25
元素: 29
forMonotonousTimestamps> 29

可以看出，当时间相差10时进行一次输出，
输入10时，10和0相差为10，则输出 forMonotonousTimestamps> 0

四、BoundedOutOfOrdernessWatermarks

允许一定程度的乱序

（1）开启nc

nc -lp 8888

（2）示例

 @Test
    public void forBoundedOutOfOrdernessTest() throws Exception {
        final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setRuntimeMode(RuntimeExecutionMode.STREAMING)
                .setParallelism(1);
        DataStreamSource<String> source = env.socketTextStream("172.16.10.159", 8888);
        source.map(new MapFunction<String, Long>() {
            @Override
            public Long map(String value) throws Exception {
                return Long.parseLong(value);
            }
        })
                //设置时间戳和水印
                .assignTimestampsAndWatermarks(WatermarkStrategy.<Long>forBoundedOutOfOrderness(Duration.ofMillis(2)).withTimestampAssigner((element, recordTimestamp) -> element))
                //基于事件时间的滚动窗口，时间间隔10毫秒，允许乱序时间2毫秒
                .windowAll(TumblingEventTimeWindows.of(Time.milliseconds(10)))
                .process(new ProcessAllWindowFunction<Long, Long, TimeWindow>() {
                    @Override
                    public void process(Context context, Iterable<Long> elements, Collector<Long> out) throws Exception {
                        Iterator<Long> it = elements.iterator();

                        Long last = null;
                        while (it.hasNext()) {
                            Long next = it.next();

                            last = next;
                            System.out.println("元素: " + next);
                        }
                        out.collect(last);
                    }
                })
                .print("forMonotonousTimestamps")
        ;
        env.execute("WindowFunction");
    }