Spark(53) -- StructuredStreaming -- 事件时间窗口分析

 在SparkStreaming中窗口统计分析：Window Operation（设置窗口大小WindowInterval和滑动大小SlideInterval），按照Streaming 流式应用接收数据的时间进行窗口设计的，其实是不符合实际应用场景的。
 例如，在物联网数据平台中，每个设备产生的数据，其中包含数据产生的时间，然而数据需要经过一系列采集传输才能被流式计算框架处理：SparkStreaming，此过程需要时间的，再按照处理时间来统计业务的时候，准确性降低，存在不合理性。
在结构化流Structured Streaming中窗口数据统计时间是基于数据本身事件时间EventTime字段统计，更加合理性，官方文档：
window-operations-on-event-time

1. 时间概念

 在Streaming流式数据处理中，按照时间处理数据，其中时间有三种概念：

• 1）、事件时间EventTime，表示数据本身产生的时间，该字段在数据本身中；
• 2）、注入时间IngestionTime，表示数据到达流式系统时间，简而言之就是流式处理系统接收到数据的时间；
• 3）、处理时间ProcessingTime，表示数据被流式系统真正开始计算操作的时间。