Flink实时计算框架

1. 先savepoint 之后过一段时间再cancel job是否会丢失数据

这个不一定的，要看你的source是什么，比如你的source是kafka就不会丢失，他可以重复提取数据，但如果数据源是串口比如端口之类的，就会丢失

2. 是否真的能extaclty once（数据恰好处理一次）这个要取决于从哪个角度来说

比如光看过程，数据如果丢失肯定要多读几次，但是光看结果肯定是ex once

水印的出现就是为了应对数据延迟，数据乱序，来进行延迟计算

3.watermask 没有水印的数据不会触发计算（这种情况是在间接性也就是条件的赋予水印的情况下）

4. 水印确实会触发计算，而且是延迟触发，但是真正要计算的 肯定是你的eventTime为依据，而不是你的水印时间。也就是 现在窗口是10000-20000，水印延迟是2000，此时一个eventTIme为21000，虽然他的水印19000在窗口内，后面来了一个22000水印为20000触发计算，但是肯定不会计算这个21000

5.AllowedLateness 可以做到准确 + 实时

AllowedLateness的3s + wartermask的2s延迟 与单纯的 waterMask的5s是不一样的

因为waterMask的5s是将一个窗口的数据全部延迟5s后才开始计算，缺乏很大的实时性

而allowedLateness只有2s延迟，那三秒是只要你来上个窗口数据我就会再次运算，实时性很强

缺点： 数据冗余会变大，导致flink吞吐量受影响

优化：如果用了AllowedLateness，他那规定的3s还是有频繁的数据导致窗口重新计算，那还不如直接增大waterMask（但是延迟高）

6. waterMark并行度一般会设置为1

如果并行度很高，而数据类别很少，那么一般只会有一个并行度来处理数据，这个并行度的waterMask水位线会随着数据提升，但是 由于其它并行度没有数据，他们的waterMask水位线一直是0，而waterMask的原理是 想要触发计算 我只能由你水位线最低的那个并行度来作为基准。那么就是一直会导致为0，数据永远不触发计算