小白学习Flink系列--第三篇(概念)之Time

Time的重要性

Flink API总体上划分为3个层次，都一层都需要依赖时间属性，Time是流处理系统的基石之一，不仅在Flink ,在Spark也是如此

Time分类

• Event Time
  • 数据世界的时间，也就是事件创建的事件。根据每一条处理记录携带的时间戳来判定
• Processing Time
  • 是模拟真实世界的时间，简而言之，可以理解为本地系统时间，也是Flink默认的时间属性，通过直接调用本地机器时间获取
• Ingestion Time
  • 数据进入Flink的时间

如何选择

Flink常用的是Event Time和Processing Time，本文以这两个做分析

Processing Time：处理起来更为简单，所得到的处理结果是不确定的

Event Time：处理起来更麻烦一些，但是Flink内部对Event Time做了一系列的保障，对于数据进行反复计算，比如说经常遇到的任务失败恢复，需要重新计算，得到的结果是相对确定的

​ 先说结论，对于大部分情况来说，Event Time肯定用的最多，Processing Time用处极少，但也不是完全没有，很多博主直接说到用Event Time就完事了，这是不准确的，具体的判断条件应该是以自己需要的结果为导向，上文说到 Event Time重放得到的是一个相对确定的结果，所以如果数据重放（任务失败恢复）需要结果确定性，果断是Event Time，如果接受结果不相同，则可选择Processing Tme，后者的常用用途就是，计算时间端类的数据量，也就是系统吞吐。

福利

看书看不懂怎么办？学习视频安排！

没有实践项目只会Demo怎么办？实践项目安排！

面试好慌怎么办？面经大全安排！

扫描下方关注，点击联系我，添加vx即可获取Flink大礼包！！

悄悄说一下，有找不到的学习资源也可以私信答主，毕竟我是行走的资源库