flink的watermarker理解

watermark是用于处理乱序事件的，而正确的处理乱序事件，通常用watermark机制结合window来实现。
我们知道，流处理从事件产生，到流经source，再到operator，中间是有一个过程和时间的。虽然大部分情况下，流到operator的数据都是按照事件产生的时间顺序来的，但是也不排除由于网络、背压等原因，导致乱序的产生（out-of-order或者说late element）。
但是对于late element，我们又不能无限期的等下去，必须要有个机制来保证一个特定的时间后，必须触发window去进行计算了。这个特别的机制，就是watermark。
在提取EventTime时，可以设置窗口是允许数据乱序延迟触发的 * *watermark=分区中最大的eventTime-延迟时间（WaterMakr是从上游以广播的形式发送的）
窗口的触发时机：watermark>=窗口的结束时间，窗口触发（窗口结束时间是闭区间）提取数据的eventTime，按照数据中的时间划分窗口
* 该方法仅是提供数据中的时间，不会改变数据原有的样

flink的watermarker理解最先出现在Python成神之路。