Flink如何处理迟到数据？

        在flink中进行窗口计算时，由于乱序流数据的问题，往往会出现迟到数据，迟到数据未参与所属窗口的计算会对计算结果的准确性产生影响，对此，Flink有如下三种方法来保障结果的准确性。

（1）水位线的延迟

        对于乱序流数据，水位线可以设置延迟 Flink的Watermark水位线详解-优快云博客，但一般不宜将延迟时间设置的过大，否则流处理的实时性将会大大降低。因此还是会有迟到数据。

（2）窗口允许处理迟到数据

        当水位线到达窗口结束时间时，默认窗口会关闭，之后来的数据就会被丢弃了，因此可以延迟窗口的关闭时间。具体而言：在设置了水位线延迟的基础上，大部分的迟到数据已经能够被正确处理了，因此水位线到达窗口结束时间时，先触发计算，得到一个近似正确的结果，但窗口不会关闭，之后每来一个迟到数据，就再触发窗口计算，不断修正计算结果并输出。这就类似lambda架构。可以通过对windowedStream（对datastream调用window分配窗口后就是windowedStream）调用allowedLateness方法设置等待时间。

（3）迟到数据放入窗口侧输出流

        即使有了上述的双重保障，但由于窗口不能一直等待，总会关闭，最终还是可能会有丢失数据，这时候该怎么办呢？Flink还提供了一种解决方法：将窗口关闭之后到来的迟到数据收集到侧输出流，保证数据不丢失。之后获取侧输出流中的数据，判断所属窗口，手动对结果进行更行，保证最终结果一定时正确的。

        具体实现时对windowedStream调用sideOutoutLateData（）方法，传入一个输出标签OutputTag用来标记是迟到数据流即可。基于窗口处理完成之后的datastream调用getSideOutput方法，传入对应的OutputTag即可获取迟到数据流进行后续处理。