FLINK:水位线的介绍
本文重点
在前面的一节课程中我们学习了时间语义，其中有一个关键问题：
分布式的Flink如何保证时间的统一?
系统时间肯定是无法保证的，一定会有偏差，此时Flink引入了水位线的概念，水位线类似于一个逻辑时间，它依赖流中数据的事件事件来推动，从而保证分布式中每个节点都可以保证事件的统一，本文对此进行学习。
节点的时间
假设：单任务执行。数据都是顺序到达的，就是说时间1产生的数据一定比时间2到达的节点早，这是一种非常理想的情况。
在前面窗口课程中，我们介绍了一个温度传感器的例子。那么窗口是如何来进行时间计算的呢？换句话来说，flink怎么知道窗口[0,10)结束了，是时候开启下面一个窗口[10,20)？
总不能是设定一个开始值，然后各个节点的系统时间开始计时，10分钟后就关闭[0,10)，然后开启[10,20)？
此时会有两个问题，一个是分布式节点之间如何校时？另一个是数据由于网络传输慢导致错过窗口的问题？
Flink此时根据数据的事件时间来计算当前时间，而不是系统的节点时间，举例来说：
当数据1到达的时候，Flink设定当前的时间为1。
当数据9到达的时候，Flink设定当前的时间为9。
当数据10到达的时候，Flink设