?歡迎關注公眾號——《數據三分鐘》

一線大廠的師兄師姐結合自己的工作實踐，將數據知識淺顯道來，每天三分鐘，助你成為數據達人。還有面試指導和內推機會。

? ? ? ?上一節說到，實時計算中的數據可以看成無界流(unbounded stream)，沒有確切的結束時間，就像水流一樣——逝者如斯夫，不舍晝夜。這也是實時數據區別于離線數據的地方，離線數據是有界的，有確定的開始時間和結束時間，因此所有的離線計算都是基于確定的有限數據展開的。

一、實時計算中時間的重要性

? ? ? ?離線計算模式下，計算引擎攝入全量的需要計算的有界數據，按照確定的維度進行聚合，所有的計算過程都是確定的。但是在實時計算中卻截然不同，首先實時計算是持續不斷進行的，由于網絡波動等情況不可避免，數據最終到達算子的時間和數據真實產生的時間并不一致，那么flink引擎以什么為計算的基準呢？又怎么去觸發計算呢？這里就不得不提到窗口機制了，它是經典的無界數據的分組計算方式。流式計算中的數據是一條一條源源不斷產生的記錄，每一條記錄都會有產生的時間、進入Flink引擎的時間和到達算子的時間，這些時間分別對應Event time、Ingestion time、Processing time，Flink就是按照這些時間對數據進行分組和計算的。

二、事件時間(Event time)

? ? ? ?事件時間是記錄數據真實產生時候的時間，它是每一條數據在物理世界中的先后順序，也是計算中首選的時間基準！但是選用事件時間也不得不面臨一些問題：首先，事件時間是數據產生時候的時間，并非被Flink計算時候的時間，也就是說，數據在被計算的時候一定會不可避免地發生錯亂，我們如何即保有數據最真實的產生時間，有能夠兼容數據在傳輸過程中的亂序問題，這就可以采用watermark機制（后續文章會詳細寫到）。

三、處理時間(Processing time)

? ? ? ?處理時間是數據進入Flink算子的時間，也就是計算節點機器的本地時間，這種時間可以帶來最好的性能和最低的延遲。但是，這樣的計算也最不具準確性，當我們回跑數據時，難以保證數據的一致性。

四、攝入時間(Ingestion time)

? ? ? ?攝入時間是數據進入Flink的時間，數據進入的時候會打上系統時間戳。攝入時間從發生的時間上看，處于事件時間和處理時間之間，它的實現成本也處在事件時間和處理時間之間。攝入時間可以提供比處理時間更高的確定性，因為數據進入Flink后它的時間就確定好了，在后續的計算中，可以有效地應對由于多并發或數據在節點間shuffle帶來的亂序問題。

? ? ? ?但是在實際應用中，事件時間和處理時間用得最多，且Flink SQL目前僅支持事件時間和處理時間。

總結

以上是生活随笔為你收集整理的Flink菜鸟教程(二)——时间概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。