一、Time
（1）Even time
1、Event Time 是事件发生的时间，一般就是数据本身携带的时间。这个时间通常是在事件到达 Flink 之前就确定的，并且可以从每个事件中获取到事件时间戳。
2、在 Event Time 中，时间取决于数据，而跟其他没什么关系。如果事件按照事件先后发生的顺序到达，那么处理 Event Time 将产生完全一致和确定的结果；否则处理 Event Time 时将会因为要等待一些无序事件而产生一些延迟。由于只能等待一段有限的时间，因此就难以保证处理 Event Time 将产生完全一致和确定的结果。
3、Event Time 程序必须指定如何生成 Event Time 水印，这是表示 Event Time 进度的机制
（2）Ingestion Time
1、Ingestion Time 是事件进入 Flink 的时间，在概念上位于 Event Time 和 Processing Time 之间。
2、与 Event Time 相比，Ingestion Time 程序无法处理任何无序事件或延迟数据，但程序不必指定如何生成watermark。
3、Ingestion Time 与 Event Time 非常相似，但 Ingestion Time 具有自动分配时间戳和自动生成watermark功能。
（3）procession time：Processing Time 是指事件被处理时机器的系统时间。
二、window
（1）window类型
1、TimeWindow：按照时间生成Window
2、CountWindow：按照指定的数据条数生成一个Window，与时间无关。
（2）time window的类型
1、Tumbling Time Window（滚动窗口）：假设统计每一分钟中用户购买的商品的总数，需要将用户的行为事件按每一分钟进行切分，这种切分被成为翻滚时间窗口，翻滚窗口能将数据流切分成不重叠的窗口，每一个事件只能属于一个窗口。特点：将数据依据固定的窗口长度对数据进行切片；时间对齐，窗口长度固定，没有重叠。
val tumblingCnts= buyCnts.keyBy(0).timeWindow(Time.minutes(1)).sum(1)
2、sliding time window（滑动窗口）：对于某些应用，它们需要的窗口是不间断的，需要平滑地进行窗口聚合。比如，我们可以每30秒计算一次最近一分钟用户购买的商品总数。这种窗口我们称为滑动时间窗口（Sliding Time Window）。在滑窗中，一个元素可以对应多个窗口。特点：滑动窗口由固定的窗口长度和滑动间隔组成；时间对齐，窗口长度固定，有重叠。
1）滑动窗口和滚动窗口的函数名是完全一致的，只是在传参数时需要传入两个参数，一个是window_size，一个是sliding_size。
val slidingCnts = buyCnts.keyBy(0).timeWindow(Time.minutes(1), Time.seconds(30)).sum(1)
3、Session Windows（会话窗口）：session窗口跟滚动窗口和滑动窗口相比，不会有重叠和固定的开始时间和结束时间的情况，相反，当它在一个固定的时间周期内不再收到元素，即非活动间隔产生，那个这个窗口就会关闭。特点：时间无对齐。由一系列事件组合一个指定时间长度的timeout间隙组成，类似于web应用的session，也就是一段时间没有接收到新数据就会生成新的窗口。
val sessionCnts: DataStream[(Int, Int)] = vehicleCnts.keyBy(0).window(ProcessingTimeSessionWindows.withGap(Time.seconds(30))).sum(1)
（3）CountWindow类型
CountWindow根据窗口中相同key元素的数量来触发执行，执行时只计算元素数量达到窗口大小的key对应的结果。注意： CountWindow的window_size指的是相同Key的元素的个数，不是输入的所有元素的总数。如：windowSize=4，输入（1,2,3,1,1,1）结果：（1,3），此时key为2和3的条数才1，达到4时才计算。
1、滚动窗口：默认的CountWindow是一个滚动窗口，只需要指定窗口大小即可，当元素数量达到窗口大小时，就会触发窗口的执行。
2、滑动窗口：滑动窗口和滚动窗口的函数名是完全一致的，只是在传参数时需要传入两个参数，一个是window_size：5，一个是sliding_size：2。若sliding_size设置为了2，也就是说，每收到两个相同key的数据就计算一次，每一次计算的window范围是5个元素。达到滑动步长的时候计算一次,达到滑动窗口大小的时候计算一次
三、解析windowAPI
原文：https://www.cnblogs.com/hdc520/p/13021860.html