前面的例子中有出现过 时间窗口 TimeWindow 这个词语，其实是两个概念，时间 Time 和窗口 Window。
本篇文章比较干货，主要翻译自官网（参考资料一）， 来讲下关于 Time 的学习、理解以及配套的概念 Watermark。
Watermark 有两种译法：水位线、水印。由于个人暂时分不清，所以后面一律以英文 Watermark 出现。
Time
一共有三种时间类型：Processing Time、Event Time 和 Ingestion Time
图片参考官网，加上了一些注释配合理解，三种时间类型对应了三个发生位置，下面具体说下三种时间类型的区别。
Processing Time 处理时间
Processing Time是指事件正在执行所在机器（部署应用服务器）的系统时间。
当流式程序在 Processing Time 上运行时，所有基于时间的操作（如时间窗口）都将使用运行相应算子 Operator 所在计算机的系统时钟。
每小时 Processing Time 窗口将包括系统时钟指示整小时的时间之间到达特定操作员的所有记录。例如，如果应用程序在 9:15 am开始运行，则第一个每小时处理 Processing Time 将包括在 9:15 am 和 10:00 am 之间处理的事件，下一个窗口将包括在 10:00 am 和 11:00 am 之间处理的事件，依此类推。
Processing Time 是最简单的时间概念，不需要流和机器之间的协调。它提供了最佳的性能和最低的延迟。但是，在分布式和异步环境中，Processing Time 不能提供确定性，因为它容易受到记录到达系统（例如从消息队列）到达系统的速度，记录在系统内部操作员之间流动的速度的影响，以及中断（计划的或其他方式）。
Event Time 事件时间
Event Time 是每个事件在其生产设备 Event producer 上发生的时间。
该时间通常在它们进入 Flink 之前嵌入到记录中，并且可以从每个记录中提取事件时间戳。（可以想象成它是数据本身的一个属性，它的值保存的是时间）
在 Event Time 中，时间值取决于数据，而不取决于系统时间。Event Time 程序必须指定如何生成 Event Time 的 Watermark，这是表示 Event Time 进度的机制。
Ingestion Time 摄取时间
Ingestion Time 是事件进入 Flink 的时间。
在源操作处，每条记录都将源的当前时间作为时间戳记，并且基于时间的操作（例如时间窗口）引用该时间戳记。
Ingestion Time 从概念上讲介于事件时间和处理时间之间。
与 Processing Time 相比，它稍微贵一点（翻译的时候有点懵，应该是程序计算资源花费会增加，因为相比于前面两种类型，它会自动分配 Watermark），但结果却更可预测。
由于 Ingestion Time 使用稳定的时间戳（在源处分配了一次），因此对记录的不同窗口操作将引用相同的时间戳，而在 Processing Time 中，每个窗口的算子 Operator 都可以将记录分配给不同的窗口（基于本地系统时间和到达延误）。
与 Processing Time 相比，Ingestion Time 程序无法处理任何乱序事件或延迟数据，但程序无需指定如何生成 Watermark。
在内部，将 Ingestion Time 视为事件发生的时间，它具有自动分配时间戳和自动生成 Watermark 的功能。
设置时间属性
Setting a Time Characteristic
前面介绍了三种时间属性的概念和区别，下面来看下在实际中如何应用：
在 Flink DataStream 程序的起始步骤，通常设置基准时间特征。
该设置定义数据流源的行为方式（例如，它们是否将分配时间戳），以及诸如 KeyedStream.timeWindow(Time.seconds(30)) 之类的窗口操作应使用什么时间概念。
以下示例显示了一个 Flink 程序，该程序统计时间窗口（每小时）事件。窗口的行为与时间特征相适应。
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime); // 另外可选: // env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime); // env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime); DataStream<MyEvent> stream = env.addSource(new FlinkKafkaConsumer09<MyEvent>(topic, schema, props)); stream .keyBy( (event) -> event.getUser() ) .timeWindow(Time.hours(1)) .reduce( (a, b) -> a.add(b) ) .addSink(...);
请注意，为了在事件时间中运行上面示例程序，程序需要使用直接为数据定义 Processing Time 并自己设定 Watermark 的生成规则，或者程序必须在源之后注入 Timestamp Assigner ＆ Watermark Generator 。这些功能描述了如何访问事件时间戳，以及事件流呈现出何种程度的乱序。
Event Time and Watermarks
在为什么使用事件时间和 Watermark 这个问题上，引用了参考资料三的描述
“在进行 window 计算时，使用摄入时间或处理时间的消息都是以系统的墙上时间（wall clocks）为标准，因此事件都是按序到达的。
然而如果使用更为有意义的事件时间则会需要面对乱序事件问题（out-of-order events）和迟到事件问题（late events）。
针对这两个问题，Flink 主要采用了以水位线（watermark）为核心的机制来应对。
通过上面的描述，应该能对 Watermark 要解决的问题有个清晰的了解：解决乱序事件
乱序事件场景
如果数据源是 kafka 消息数据源，按照事件时间 Event Time 来统计，在理想情况下，消息按照事件顺序依次到达，时间窗口刚好收集的该时间段的事件，但很可惜，由于不可预估的外力阻挠，导致消息延迟，时间窗口内的数据将会少了延迟到达的事件。
所以使用 Watermark 来记录事件进行的进度，用收集到的消息来评估事件进度，判断还有没有事件没有到达，只有 Watermark 越过了时间窗口设定的时间，才认为窗口已经收集好数据
举个具体一点的例子，设定了一个 3s 的时间窗口还有 10s 的乱序延时：
long maxUnOrderWatermark = 10000L; // watermark 设定成 当前时间戳 - 延时 new Watermark(currentTimeStamp - maxUnOrderWatermark);
在 [00:01 : 00:03] 窗口时间过去后，搜集到了 3 个时间，但是窗口先不触发计算，等待有可能延迟的事件。
例如在 06s 又有一个前面窗口的事件到来，由于在设定的延时时间内，它会被分配到正确窗口中，窗口中的元素变成了 4 个，然后在后续有新事件来临，watermark 被更新成大于 00:03，这时 Watermark > 窗口结束时间，触发窗口计算，解决了事件延时到达的问题。
Event Time 和 Watermark 的关系
支持 Event Time 的流处理器需要一种测量 Event Time 进度的方法（Watermark）。例如，当事件时间超过一个小时结束时，需要通知构建每小时窗口的 Operator，以便该 Operator 可以关闭正在进行的窗口。
Event Time 可以独立于 Processing Time（由系统时间测量）进行。例如，在一个程序中，operator 的当前 Event Time 可能会稍微落后于 Processing Time（考虑到事件接收的延迟），而两者均以相同的速度进行。另一方面，另一个流媒体程序可以通过快速转发已经在 Kafka Topic 主题（或另一个消息队列）中缓存的一些历史数据来在数周的事件时间内进行处理，而处理时间仅为几秒钟。
Watermark 图示
Flink 中用于衡量事件时间进度的机制是水印 Watermark。Watermark 作为数据流的一部分流动，并带有时间戳 t。Watermark(t) 声明事件时间已在该流中达到时间 t，这意味着该流中不应再有时间戳 t'<= t 的元素（即时间戳早于或等于 Watermark 的事件）。
下图显示了带有（逻辑）时间戳记的事件流，以及串联的 Watermark。在此示例中，事件是按顺序（In Order）排列的（相对于其时间戳），这意味着 Watermark 只是流中的周期性标记。
Watermark 对于乱序流（Out Of Order）至关重要，如下图所示，其中事件不是按其时间戳排序的。 通常，Watermark 是一种声明，即到流中的那个点，直到某个时间戳的所有事件都应该到达。一旦 Watermark 到达 Operator，Operator 就可以将其内部事件时钟提前到 Watermark 的值。
“
请注意，Evnet Time 是由新创建的一个（或多个）流元素从产生它们的事件或触发了创建这些元素的 Watermark 中继承的。
