Flink waterMark 的变化与传递

waterMark的变化

waterMark 标记Flink中数据到来的最小标记，用于决定时间窗口是否可以关闭。
设定存在时间窗口 [0,5),[5,9)两个窗口，数据源传递到flink的间隔是每秒一个数据且为乱序。每个数据分别代表自开始发送过去了多久，比如开始发送1秒后发送1,2秒后发送2…
假设传递到flink的数据集由于网络问题发生了乱序，3,4在传递过程中网络阻塞没能按时间顺序到达flink
flink接受到的顺序为 1,2,5,6,7,3,4,8
此时
当时间到达5s时，flink接受到的数据为1,2,5,6,7 ，但是3,4并未接受到。
两个数据集中收集到的数据为
[0,5) 1,2
[5,9) 5,6,7
如果waterMark设置为3，即时间窗口延长3个数据单位后关闭。
waterMark控制下的关闭的最大数值变为5+3 = 8
相同情况下
当时间到达5s时，flink接受到的数据为1,2,5,6,7 ,flink此时接受到的最大数据为7，waterMark为8，所以不会立刻关闭窗口，又过了3s后 3,4,8陆续到达，直到数据8到达，此时已经触达了waterMark的设定值,
两个数据集中收集到的数据为
[0,5) 1,2,3,4
[5,9) 5,6,7,8
waterMark对于窗口延时关闭的特性，不会影响到后续窗口接受的数据。

waterMark的传递

waterMark在每个并行处理的线程中会一直向下游传递，在并行度不一致的两个处理过程传递waterMark时，会采用广播的方式传递当前waterMark，即上游的waterMark会发送到多个下游处理过程中。
每个下游的处理过程也会接受到多个上游发送来得waterMark
下游会根据这些waterMark组成的集合，选择一个最小值作为当前处理过程的waterMark继续向下游传递。