Flink---时间模型

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yangguosb/article/details/85107947

时间模型

  Flink提供了3种时间模型如下图所示，常用的为Processing time和Event time;

Event time

含义： 事件产生的时间， 反映了事件产生的先后顺序 ；
注意：

1. Event time是指产生事件的外部设备的时间，并非Flink机器上的时间；
2. Event time需要从事件数据的特定字段获取；
3. 由于传输或网络的原因，Flink处理事件的顺序不一定与事件产生的顺序一致；

  The order of events based on event time is often not the same as the order based on processing time; that is, events arrive at the stream processor out of order.

生成方式：

1. 由产生事件的设备生成，嵌入在事件数据中，然后Flink通过特定的字段获取即可（推荐）；
2. 使用Flink提供的接口生成（实际上应该称为Ingestion time）；

  Often, a third notion of time called ingestion time or ingress time is used, referring to the time that the event enters the stream processing framework. Data that lacks a true event time may be assigned a time, but these timestamps are simply assigned by the stream processor when it first sees the event (in the source function, the first operator of the program).

Processing time

含义： Flink处理事件的时间，反映了事件被Flink处理的先后顺序；

应用场景

  根据不同的应用场景选取不同的时间模型。如果业务处理逻辑跟事件产生的先后顺序有关，则采用Event time比如实时流媒体；如果业务处理逻辑跟事件处理的先后顺序有关，则采用Processing time，比如实时告警；

参考：

1. 官网：https://ci.apache.org/projects/flink/flink-docs-release-1.7/dev/event_time.html