Flink流式计算里的时间和watermark机制

一 流计算对“批计算”的优势：

    “流计算”是相对于“批计算”来的，MapReduce，Spark底层的计算方式是目前主流的“批计算”实现方式，很多公司在使用这种方式做大数据处理。但是越来越多的公司目前开始关注“流计算”，主要有以下一些原因：

1 对处理时间的要求。随着技术的进步，用户对“延迟”的忍受能力越来越弱，能更及时发现问题、解决问题，能提升用户体验。

2 在大数据分析领域，数据分析得越及时，价值越高。在推荐、风控等很多场景中，对实时性的要求相当苛刻

3 “流计算”天然支持对事件发生的先后顺序、时间关系这方面的分析，这是“mini batch”方式的批处理系统支持不好的

    目前批处理的流行是因为以前的流处理技术不够好，或者说“批处理”是因为技术原因对现实需求所做的妥协。现实中日志、交易、物流等常见的大数据场景，数据都是以“流”的方式产生，适合以“流计算”的方式及时处理。但以前的Storm等流处理系统，在吞吐量、容错性、准确性方面无法满足要求，所以大家才使用成熟度更高的“批处理”系统。人为地发数据切分成一批一批的，每天处理一次或者每小时处理一次等。

    如果“流处理”系统达到批处理系统类似的吞吐量和容错性，“流处理”在实时性和“时间序列”处理方面的优势就非常明显了。

二 Flink里的时间类型：