有關(guān)窗口操作的不同類型，可以分為如下幾種：傾斜窗口(Tumbling Windows，記錄沒有重疊)、滑動(dòng)窗口(Slide Windows，記錄有重疊)、會(huì)話窗口(Session Windows)，具體可以查閱相關(guān)資料。
在處理Stream中的記錄時(shí)，記錄中通常會(huì)包含各種典型的時(shí)間字段，F(xiàn)link支持多種時(shí)間的處理，如下圖所示：
flink-event-ingestion-processing-time
上圖描述了在基于Flink的流處理系統(tǒng)中，各種不同的時(shí)間所處的位置和含義，其中，Event Time表示事件創(chuàng)建時(shí)間，Ingestion Time表示事件進(jìn)入到Flink Dataflow的時(shí)間 ，Processing Time表示某個(gè)Operator對事件進(jìn)行處理事的本地系統(tǒng)時(shí)間(是在TaskManager節(jié)點(diǎn)上)。這里，談一下基于Event Time進(jìn)行處理的問題，通常根據(jù)Event Time會(huì)給整個(gè)Streaming應(yīng)用帶來一定的延遲性，因?yàn)樵谝粋€(gè)基于事件的處理系統(tǒng)中，進(jìn)入系統(tǒng)的事件可能會(huì)基于Event Time而發(fā)生亂序現(xiàn)象，比如事件來源于外部的多個(gè)系統(tǒng)，為了增強(qiáng)事件處理吞吐量會(huì)將輸入的多個(gè)Stream進(jìn)行自然分區(qū)，每個(gè)Stream分區(qū)內(nèi)部有序，但是要保證全局有序必須同時(shí)兼顧多個(gè)Stream分區(qū)的處理，設(shè)置一定的時(shí)間窗口進(jìn)行暫存數(shù)據(jù)，當(dāng)多個(gè)Stream分區(qū)基于Event Time排列對齊后才能進(jìn)行延遲處理。所以，設(shè)置的暫存數(shù)據(jù)記錄的時(shí)間窗口越長，處理性能越差，甚至嚴(yán)重影響Stream處理的實(shí)時(shí)性。
有關(guān)基于時(shí)間的Streaming處理，可以參考官方文檔，在Flink中借鑒了Google使用的WaterMark實(shí)現(xiàn)方式，可以查閱相關(guān)資料。
基本架構(gòu)
Flink系統(tǒng)的架構(gòu)與Spark類似，是一個(gè)基于Master-Slave風(fēng)格的架構(gòu)，如下圖所示：
flink-system-architecture
Flink集群啟動(dòng)時(shí)，會(huì)啟動(dòng)一個(gè)JobManager進(jìn)程、至少一個(gè)TaskManager進(jìn)程。在Local模式下，會(huì)在同一個(gè)JVM內(nèi)部啟動(dòng)一個(gè)JobManager進(jìn)程和TaskManager進(jìn)程。當(dāng)Flink程序提交后，會(huì)創(chuàng)建一個(gè)Client來進(jìn)行預(yù)處理，并轉(zhuǎn)換為一個(gè)并行數(shù)據(jù)流，這是對應(yīng)著一個(gè)Flink Job，從而可以被JobManager和TaskManager執(zhí)行。在實(shí)現(xiàn)上，F(xiàn)link基于Actor實(shí)現(xiàn)了JobManager和TaskManager，所以JobManager與TaskManager之間的信息交換，都是通過事件的方式來進(jìn)行處理。
如上圖所示，F(xiàn)link系統(tǒng)主要包含如下3個(gè)主要的進(jìn)程：
JobManager
JobManager是Flink系統(tǒng)的協(xié)調(diào)者，它負(fù)責(zé)接收Flink Job，調(diào)度組成Job的多個(gè)Task的執(zhí)行。同時(shí)，JobManager還負(fù)責(zé)收集Job的狀態(tài)信息，并管理Flink集群中從節(jié)點(diǎn)TaskManager。JobManager所負(fù)責(zé)的各項(xiàng)管理功能，它接收到并處理的事件主要包括：
RegisterTaskManager
在Flink集群啟動(dòng)的時(shí)候，TaskManager會(huì)向JobManager注冊，如果注冊成功，則JobManager會(huì)向TaskManager回復(fù)消息AcknowledgeRegistration。
SubmitJob
Flink程序內(nèi)部通過Client向JobManager提交Flink Job，其中在消息SubmitJob中以JobGraph形式描述了Job的基本信息。
CancelJob
請求取消一個(gè)Flink Job的執(zhí)行，CancelJob消息中包含了Job的ID，如果成功則返回消息CancellationSuccess，失敗則返回消息CancellationFailure。
UpdateTaskExecutionState
TaskManager會(huì)向JobManager請求更新ExecutionGraph中的ExecutionVertex的狀態(tài)信息，更新成功則返回true。
RequestNextInputSplit
運(yùn)行在TaskManager上面的Task，請求獲取下一個(gè)要處理的輸入Split，成功則返回NextInputSplit。
JobStatusChanged
ExecutionGraph向JobManager發(fā)送該消息，用來表示Flink Job的狀態(tài)發(fā)生的變化，例如：RUNNING、CANCELING、FINISHED等。
TaskManager
TaskManager也是一個(gè)Actor，它是實(shí)際負(fù)責(zé)執(zhí)行計(jì)算的Worker，在其上執(zhí)行Flink Job的一組Task。每個(gè)TaskManager負(fù)責(zé)管理其所在節(jié)點(diǎn)上的資源信息，如內(nèi)存、磁盤、網(wǎng)絡(luò)，在啟動(dòng)的時(shí)候?qū)①Y源的狀態(tài)向JobManager匯報(bào)。TaskManager端可以分成兩個(gè)階段：
注冊階段
TaskManager會(huì)向JobManager注冊，發(fā)送RegisterTaskManager消息，等待JobManager返回AcknowledgeRegistration，然后TaskManager就可以進(jìn)行初始化過程。
可操作階段
該階段TaskManager可以接收并處理與Task有關(guān)的消息，如SubmitTask、CancelTask、FailTask。如果TaskManager無法連接到JobManager，這是TaskManager就失去了與JobManager的聯(lián)系，會(huì)自動(dòng)進(jìn)入“注冊階段”，只有完成注冊才能繼續(xù)處理Task相關(guān)的消息。