前言

本文隶属于专栏《1000个问题搞定大数据技术体系》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

本专栏目录结构和参考文献请见1000个问题搞定大数据技术体系

正文

在专栏前面我们已经介绍过

可以通过window窗口来统计每一段时间或者每多少条数据的一些数值统计。

请参考我的这篇博客——一篇文章搞懂 Flink 的 Window

但是也存在另外一个问题，就是如果数据有延迟该如何解决，例如一个窗口定义的是每隔五分钟统计一次，我们应该在上午九点至九点零五分这段时间统计一次数据的结果值，但是由于某一条数据由于网络延迟，数据产生时间是在九点零三分，数据到达我们的flink框架已经是在十点零三分了，这种问题怎么解决？

再例如：

原始日志如下：

日志自带时间

2020-10-10 10:00:01,134 INFO executor.Executor: Finished task in state 0.0

1

数据进入flink框架时间：

这条数据进入Flink的时间是2020-10-10 20:00:00,102

数据被window窗口处理时间：

到达window处理的时间为2020-10-10 20:00:01,100

Time 三兄弟是什么？

为了解决这个问题，flink在实时处理当中，对数据当中的时间规划为以下三个类型

针对stream数据中的时间，可以分为以下三种

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

可以参考我的这篇博客——什么是事件时间和处理时间？

1、EventTime详解

事件生成时的时间，在进入Flink之前就已经存在，可以从event的字段中抽取。

必须指定watermarks（水位线）的生成方式。

优势：确定性，乱序、延时、或者数据重放等情况，都能给出正确的结果

弱点：处理无序事件时性能和延迟受到影响

2、IngestTime

事件进入flink的时间，即在source里获取的当前系统的时间，后续操作统一使用该时间。

不需要指定watermarks的生成方式(自动生成)

弱点：不能处理无序事件和延迟数据

3、ProcessingTime

执行操作的机器的当前系统时间(每个算子都不一样)

不需要流和机器之间的协调

优势：最佳的性能和最低的延迟

弱点：不确定性 ，容易受到各种因素影像(event产生的速度、到达flink的速度、在算子之间传输速度等)，压根就不管顺序和延迟

4、三种时间的综合比较

性能： ProcessingTime> IngestTime> EventTime

延迟： ProcessingTime< IngestTime< EventTime

确定性： EventTime> IngestTime> ProcessingTime

5、如何设置time类型

在我们创建StreamExecutionEnvironment的时候可以设置time类型，不设置time类型，默认是processingTime，如果设置time类型为eventTime，那么必须要在我们的source之后明确指定Timestamp Assigner & Watermark Generator

// 设置时间特性

val environment: StreamExecutionEnvironment = StreamExecutionEnvironment.getExecutionEnvironment

// 不设置Time 类型，默认是processingTime。

// 如果使用EventTime则需要在source之后明确指定Timestamp Assigner & Watermark Generator

environment.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime)

————————————————

版权声明：本文为CSDN博主「Shockang」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/Shockang/article/details/119710871