### 導讀 Flink 為實時計算提供了三種時間，即**事件時間**（event time）、**攝入時間**（ingestion time）和**處理時間**（processing time）。 ### 遇到的問題： 假設在一個5秒的Tumble視窗，有一個EventTime是 11秒的資料，在第16秒時候到來了。圖示第11秒的資料，在16秒到來了，如下圖：該如何處理遲到資料  ### 什麼是Watermark Watermark的關鍵點： - 目的：處理EventTime 視窗計算 - 本質：時間戳 - 生成方式：Punctuated和Periodic(常用) - 特性：單調遞增 ### Watermark的產生方式 - Punctuated 資料流中每一個遞增的EventTime都會產生一個Watermark。 - Periodic（推薦） 週期性的（一定時間間隔或者達到一定的記錄條數）產生一個Watermark。 ### Watermark解決的問題 上面的問題在於如何將遲來的EventTime 位11的元素正確處理？ 當Watermark的時間戳等於Event中攜帶的EventTime時候，上面場景（Watermark=EventTime)的計算結果如下：  如果想正確處理遲來的資料可以定義Watermark生成策略為 Watermark = EventTime -5s， 如下：  ### WaterMark的例子 設定WaterMark步驟： 1.設定StreamTime Characteristic為Event Time，即設定流式時間視窗（也可以稱為流式時間特性） 2.建立的DataStreamSource呼叫assignTimestampsAndWatermarks方法，並設定WaterMark種類：AssignerWithPeriodicWatermarks / AssignerWithPunctuatedWatermarks 或者 實現AssignerWithPeriodicWatermarks介面 / 實現AssignerWithPunctuatedWatermarks介面 3.重寫getCurrentWatermark與extractTimestamp方法 getCurrentWatermark方法：獲取當前的水位線 extractTimestamp方法：提取資料流中的時間戳（必須顯式的指定資料中的Event Time） **例項** 通過一段程式，實踐一下WaterMark的設定以及WaterMark的工作方式 **資料示例**： key + 時間戳 ``` hello,1553503210000 ``` **程式說明**： 1.使用Socket模擬接收資料 2.設定WaterMark 設定的邏輯：在第一條資料進來時，設定WaterMark為0，指定第一條資料的時間戳後，獲取該時間戳與當前 WaterMark的最大值，並將最大值設定為下一條資料的WaterMark，以此類推 3.進行map基礎轉換，將String轉換為Tuple2