一、概述

上篇文章介紹了Window窗口機制的相關知識，這里我們介紹下Flink的另外一個核心概念“Event Time機制”，本篇文章只介紹相關概念不講實戰，實戰會結合Window窗口機制一起講解。

二、Flink中的三種時間機制

Flink在流處理程序中支持三種時間的概念，分別是EventTime、ProcessingTime、IngestionTime，Flink流式處理中，絕大部分的業務都會使用EventTime，一般只在EventTime無法使用時，考慮其他時間屬性下面分別介紹下。

1.EventTime 事件時間

EventTime是事件發生的時間，在進行Flink流處理程序之前，這個時間就已經能包含在了事件中，并且可以從每個記錄中提取事件時間戳。

在EventTime中，時間的進展取決于數據，而不是任何墻上的時鐘。EventTime程序必須指定如何生成事件EventTime?Watermarks，這是EventTime進展的信號機制。這種Watermarks機制將在下面的小節中進行描述。

假設所有數據都已到達，事件時間操作將按照預期的方式運行，即使在處理無序或延遲的事件或重新處理歷史數據時，也會產生正確和一致的結果。例如，每小時事件時間窗口將包含所有記錄，這些記錄攜帶屬于該小時的事件時間戳，而與它們到達的順序無關，也與它們被處理的時間無關。

2.ProcessingTime 處理時間

ProcessingTime是指執行相應操作的機器的系統時間，ProcessingTime是Flink默認的時間概念，如需使用其他時間類型需要單獨設置。

當流程序在處理時間上運行時，所有基于時間的操作(如時間窗口)將使用運行各個operator的機器的系統時鐘。每小時處理時間窗口將包括在系統時鐘指示完整小時之間到達特定operator的所有記錄。例如，如果一個應用程序在上午9:15開始運行，那么第一個每小時處理時間窗口將包括上午9:15到10:00之間處理的事件，下一個窗口將包括上午10:00到11:00之間處理的事件，依此類推。

3.IngestionTime?攝入時間

IngestionTime是事件進入Flink的時間。在source operator中，每個記錄以時間戳的形式獲取源的當前時間，基于時間的操作(如時間窗口)引用該時間戳。

IngestionTime概念上位于EventTime和ProcessingTime之間。與ProcessingTime相比，它稍微昂貴一些，但是提供了更可預測的結果。由于IngestionTime使用穩定的時間戳(在源處分配一次)，對記錄的不同窗口操作將引用相同的時間戳，而在ProcessingTime中，每個窗口操作人員可以將記錄分配到不同的窗口(基于本地系統時鐘和任何傳輸延遲)。

與ProcessingTime相比，IngestionTime程序不能處理任何無序事件或延遲數據，但程序不必指定如何生成Watermarks，因為在內部，它自動進行時間戳分配和自動Watermarks生成。

下面是Flink官網中對于時間標識的一張圖：

4.設置時間特性

通常，我們在Flink初始化流式運行環境時，就會設置流處理時間特性。這個設置很重要，它決定了數據流的行為方式。(例如：是否需要給事件分配時間戳)，以及窗口操作應該使用什么樣的時間類型；代碼示例：

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();//Flink默認的是ProcessingTimeenv.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);// alternatively:// env.setStreamTimeCharacteristic(TimeCharacteristic.IngestionTime);// env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime);

至此，Flink三種時間機制講解完畢，上面我們說了EventTime必須要指定如何生成事件時間Watermarks，下篇文章講解，感謝關注！！！

如果覺得我的文章能幫到您，請關注微信公眾號“大數據開發運維架構”，并轉發朋友圈，謝謝支持！！！

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的flink 三种时间机制_Flink1.10入门：时间机制简介的全部內容，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。