Flink菜鸟教程(二)—

欢迎关注公众号——《数据三分钟》

一线大厂的师兄师姐结合自己的工作实践，将数据知识浅显道来，每天三分钟，助你成为数据达人。还有面试指导和内推机会。

上一节说到，实时计算中的数据可以看成无界流(unbounded stream)，没有确切的结束时间，就像水流一样——逝者如斯夫，不舍昼夜。这也是实时数据区别于离线数据的地方，离线数据是有界的，有确定的开始时间和结束时间，因此所有的离线计算都是基于确定的有限数据展开的。

一、实时计算中时间的重要性

离线计算模式下，计算引擎摄入全量的需要计算的有界数据，按照确定的维度进行聚合，所有的计算过程都是确定的。但是在实时计算中却截然不同，首先实时计算是持续不断进行的，由于网络波动等情况不可避免，数据最终到达算子的时间和数据真实产生的时间并不一致，那么flink引擎以什么为计算的基准呢？又怎么去触发计算呢？这里就不得不提到窗口机制了，它是经典的无界数据的分组计算方式。流式计算中的数据是一条一条源源不断产生的记录，每一条记录都会有产生的时间、进入Flink引擎的时间和到达算子的时间，这些时间分别对应Event time、Ingestion time、Processing time，Flink就是按照这些时间对数据进行分组和计算的。

二、事件时间(Event time)

事件时间是记录数据真实产生时候的时间，它是每一条数据在物理世界中的先后顺序，也是计算中首选的时间基准！但是选用事件时间也不得不面临一些问题：首先，事件时间是数据产生时候的时间，并非被Flink计算时候的时间，也就是说，数据在被计算的时候一定会不可避免地发生错乱，我们如何即保有数据最真实的产生时间，有能够兼容数据在传输过程中的乱序问题，这就可以采用watermark机制（后续文章会详细写到）。

三、处理时间(Processing time)

处理时间是数据进入Flink算子的时间，也就是计算节点机器的本地时间，这种时间可以带来最好的性能和最低的延迟。但是，这样的计算也最不具准确性，当我们回跑数据时，难以保证数据的一致性。

四、摄入时间(Ingestion time)

摄入时间是数据进入Flink的时间，数据进入的时候会打上系统时间戳。摄入时间从发生的时间上看，处于事件时间和处理时间之间，它的实现成本也处在事件时间和处理时间之间。摄入时间可以提供比处理时间更高的确定性，因为数据进入Flink后它的时间就确定好了，在后续的计算中，可以有效地应对由于多并发或数据在节点间shuffle带来的乱序问题。

但是在实际应用中，事件时间和处理时间用得最多，且Flink SQL目前仅支持事件时间和处理时间。