我們知道流式資料集是沒有邊界的，資料會源源不斷的傳送到我們的系統中。
流式計算最終的目的是去統計資料產生彙總結果的，而在無界資料集上，如果做一個全域性的視窗統計，是不現實的。
只有去劃定一定大小的視窗範圍去做計算，才能最終彙總到下游的系統中，用來分析和展示。
在 Flink 進行視窗計算的時候，需要去知道兩個核心的資訊：
每個 Element 的 EventTime 時間戳？（在資料記錄中指定即可）
接入的資料，何時可以觸發統計計算 ？ （視窗 11：00 ~ 11：10 的資料全部被接收完）
有序事件
假設在完美的條件下，資料都是嚴格有序，那麼此時，流式計算引擎是可以正確計算出每個視窗的資料的。
無序事件
但是現實中，資料可能會因為各種各樣的原因（系統延遲，網路延遲等）不是嚴格有序到達系統，甚至有的資料還會遲到很久，此時 Flink 需要有一種機制，允許資料可以在一定範圍內亂序。
這種機制就是水印。
如上面，有一個引數： MaxOutOfOrderness = 4，為最大亂序時間，意思是可以允許資料在多少範圍內亂序，可以是 4 分鐘，4 個小時 等。
水印的生成策略是，當前視窗最大事件時間戳減去 MaxOutOfOrderness 的值。
如上圖，事件 7 會產生一個 w（3） 的水印，事件 11 會產生要給 w（7） 的水印，但是事件 9 ，是小於事件 11 的，此時不會觸發水印的更新。事件 15 會產生一個 w（11） 的水印。 也就是說，水印反映了事件的整體流轉的趨勢，只會上升，不會下降。
水印表示了所有小於水印值的事件都已經到達了視窗。
每當有新的最大時間戳出現時，就會產生新的 watermark。
遲到事件
對於事件時間小於水印時間的事件，稱為遲到事件。遲到事件是不會被納入視窗統計的。
如下圖，21 的事件進入系統之後，會產生 w（17） 的水印。而後來的 16 事件，由於小於當前水印時間 w（17），是不會被統計的了。
下節講如何講遲到資料旁路輸出。
關注我，每天進步一點點。
