一、Time
Flink主要是做流式计算，数据是通过滚动（rolling）过来的，就像溪流一样，源源不断地进来。原文Windows are at the heart of processing infinite streams. Windows split the stream into “buckets” of finite size, over which we can apply computations. 也就是说，window将无限的数据流切割成有限数据集，然后运用各种operators做业务逻辑运算。分为Keyed window和Non-Keyed window两种结构，Non-Keyed的window算子一般是以All作为后缀。
Flink支持三种Time：
1、Event Time：事件实际产生的时间，在进入Flink前就已经存在，且必须指定watermark的生成方式
2、Ingestion Time：摄取事件，也就是刚进入Flink source的时间
3、Processing Time：执行算子操作机器的当前系统时间（每个算子都不一样）
Time的设置：默认是ProcessingTime，如果使用Event time，source之后还需要指定Timestamp Assigner和Watermark
实时系统中，由于网络等各种原因造成的数据延时颇为常见，造成事件发送到Flink的事件晚于事件本身产生的时间。如果基于event time构建window，对于late element，不能无限期等待下去，必须有个机制保证一定的时间后，必须触发window去进行计算，这个特殊的机制，就是watermark。关于水位线watermarker，推荐博文：Flink WaterMark 详解
关于time和watermark，举一个生活中的例子，考试。考试规定9:00--11:00考语文，14:00--16:30考数学，迟到15分钟就不让进考场。那么9:00就是一个watermark，告诉系统，9:00该来的考生（数据）都来了，可以开考了（触发计算）；然后继续等待下一个watermark 14:00，告诉系统，新的一批数据（考生）来了，又可以开考了（触发计算）。15分钟就是一个延迟值，超过延时值再来的数据会被果断丢弃；而在延时值之间到来的数据，有不同的处理策略，比如可以同样处理，但记录，如果通过监控发现延时值数据太多，就要分析原因。
两种Watermark
Periodic Watermark：ExecutionConfig.setAutoWatermarkInterval(msec)（默认是200ms，设置watermark设置的周期），实现AssignerWithPeriodicWatermarks接口。
Puncuated Watermark：基于某些事件触发watermark的生成和发送（由用户代码实现，例如遇到特殊元素），实现AssignerWithPuncuatedWatermarks接口。
二、Windows
创建：属于改窗口的第一个元素到达时就会创建改窗口。
销毁：time-base 当时间超过窗口的结束时间戳+指定时延AllowedLateness，窗口将被移除；count-base 当足够数量的element到来时，窗口将会被移除。
第一种划分法：根据基于Count和Time
1、Count-base Windows
1.1 Count Tumbling-windows
1.2 Count Sliding-windows
1.3 Global windows
2、Time-base Windows
2.1 Time Tumbling-window
2.2 Time Sliding-window
2.3 Time Session-windows
2.4 Global windows
第二种划分法：Tumbling翻滚、Sliding滑动、Session会话、Global全局
1、Tumbling-window
每一段时间窗口的时长都是相同的，不管这个时间窗口内有无数据、数据多寡，都会准时开启和关闭，时间设置是左闭右开，比如我们设置的时长是5min，则：
[00:00:00 -- 00:04:59]
[00:05:00 -- 00:09:59]
[00:10:00 -- 00:14:59]
---------
2、Sliding-window
滑动窗口在不同的窗口之间，会有一部分的重叠overlap，比如设置时长10min，slide-time 5min，则：
[00:00:00 -- 00:09:59]
[00:05:00 -- 00:14:59]
[00:10:00 -- 00:19:59]
---------
3、Session-windows
类似于Web项目中的session，设置一定gap size，当超过gap size时间没有数据过来，就销毁当前时间，一直等到下一个数据到来再创建新的时间窗口。
4、Global windows
用在自定义触发器Trigger的场景
2.3 windowAssinger
windowAssinger窗口分配器：负责将每个传入的元素分配给一个或多个窗口。keyStream是window，Non-Key Stream是windowAll。分类参考2.1
count-based window和Time-based window
总结：
三、窗口函数
在定义了窗口分配器之后，需要为每一个窗口明确指定计算逻辑，这就是窗口函数要做的事情。当系统决定一个窗口已经准备好执行之后，这个窗口函数将被用来处理窗口中的每一个元素（可能是分组的）。
3.1 ReduceFunction
输出：
3.2 AggregateFunction
输出：
3.3 ReduceFunctionOnWindowAll
输出：
3.4 ProcessWinFuntion
输出：
四、Trigger和Evictor
4.1 Trigger触发器
指定窗口函数在什么条件下可被触发，还可以决定创建和删除窗口之间的任何时间清除窗口的内容。仅限于清除窗口中元素，而不是元数据，这意味着新数据依然可以添加到窗口中。例如当窗口的数据达到5个时，或水位线watermark达到窗口边界时触发计算。
4.2 Evictor驱逐者
将在触发器之后或者在函数被应用前后，清除窗口中的元素。
4.3 延时Lateness
Flink源码：https://github.com/apache/flink
Flink官网：https://ci.apache.org/projects/flink/flink-docs-release-1.12/