大數據面數據：Flink Allowed Lateness & Side OutPut？

雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂序事件的特例，和一般亂序事件不同的是它們的亂序程度超出了水位線的預計，導致窗口在它們到達之前已經關閉。

遲到事件出現時窗口已經關閉并產出了計算結果，因此處理的方法有3種： 

- 重新激活已經關閉的窗口并重新計算以修正結果。

- 將遲到事件收集起來另外處理。 

- 將遲到事件視為錯誤消息并丟棄。

Flink 默認的處理方式是第3種直接丟棄，其他兩種方式分別使用Allowed Lateness和 Side Output。

Side Output機制可以將遲到事件單獨放入一個數據流分支，這會作為 window計算結果的副產品，以便用戶獲取并對其進行特殊處理。Allowed Lateness機制允許用戶設置一個允許的最大遲到時長。

Flink 會在窗口關閉后一直保存窗口的狀態直至超過允許遲到時長，這期間的遲到事件不會被丟棄，而是默認會觸發窗口重新計算。

因為保存窗口狀態需要額外內存，并且如果窗口計算使用了 ProcessWindowFunction API 還可能使得每個遲到事件觸發一次窗口的全量計算，代價比較大，所以允許遲到時長不宜設得太長，遲到事件也不宜過多，否則應該考慮降低水位線提高的速度或者調整算法。 

這里總結機制為： 

- 窗口window 的作用是為了周期性的獲取數據。 

- watermark的作用是防止數據出現亂序(經常)，事件時間內獲取不到指定的全部數據，而做的一種保險方法。 

- allowLateNess是將窗口關閉時間再延遲一段時間。 

- sideOutPut是最后兜底操作，所有過期延遲數據，指定窗口已經徹底關閉了，就會把數據放到側輸出流。