7.1、如何理解Flink中的时间语义

目录

1、如何理解Flink中的时间语义

2、实时计算时,应该如何选择时间语义?

3、时间语义与窗口的关系


1、如何理解Flink中的时间语义

flink作为流式计算引擎,提供了 两种时间语义 来对流式数据进行计算

事件时间(EventTime) : 事件产生的时间,通常由事件中的时间戳描述

处理时间(ProcessingTime) : 数据据被处理的时间,即服务器的当前系统时间


2、实时计算时,应该如何选择时间语义?

事件时间(EventTime)

         优点: 保证了计算结果的正确性(无论什么时候执行)

         缺点: 数据结果的实时性受 数据延迟的影响

处理时间(ProcessingTime)

         优点:计算实时性高,不受数据延迟的影响

         缺点:无法保证计算结果的正确性(无法重跑数据)


3、时间语义与窗口的关系

时间语义决定着数据会被分配到哪个窗口中去

文章来源地址https://uudwc.com/A/Nx3O2

原文地址:https://blog.csdn.net/weixin_42845827/article/details/133034609

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请联系站长进行投诉反馈,一经查实,立即删除!

h
上一篇 2023年09月23日 17:33
【深度学习】Pytorch 系列教程(十四):PyTorch数据结构:6、模块(Module):前向传播
下一篇 2023年09月23日 17:33