1、处理时间
处理时间是指执行相应 算子操作的机器的系统时间。 当流程序在处理时间运行时，所有基于时间的 算子操作（如时间窗口）将使用 运行相应算子的机器的系统时钟。每小时处理时间窗口将包括在系统时钟指示 整个小时之间到达特定算子的所有记录。例如，如果应用程序在上午9:15开始 运行，则第一个每小时处理时间窗口将包括在上午9:15到上午10:00之间处理 的事件，下一个窗口将包括在上午10:00到11:00之间处理的事件，因此上。 处理时间是最简单的时间概念，不需要流和机器之间的协调。它提供最佳性能 和最低延迟。但是，在分布式和异步环境中，处理时间不提供确定性，因为它 容易受到记录到达系统的速度（例如从消息队列）到记录在系统内的算子之间 流动的速度的影响。和停电（预定或其他）。
2、事件时间
事件时间是每个事件在其生产设备上发生的时间。此时间通常在进 入Flink之前嵌入记录中，并且 可以从每个记录中提取该事件时间戳。在事件时 间，时间的进展取决于数据，而不是任何挂钟。事件时间程序必须指定如何生 成事件时间水印，这是表示事件时间进度的机制。该水印机制在下面的后面部 分中描述。
在一个完美的世界中，事件时间处理将产生完全一致和确定的结果，无论事件 何时到达，或者它们的排序。但是，除非事件已知按顺序到达（按时间戳）， 否则事件时间处理会在等待无序事件时产生一些延迟。由于只能等待一段有限 的时间，因此限制了确定性事件时间应用程序的可能性。 假设所有数据都已到达，事件时间 算子操作将按预期运行，即使在处理无序或 延迟事件或重新处理历史数据时也会产生正确且一致的结果。例如，每小时事 件时间窗口将包含带有落入该小时的事件时间戳的所有记录，无论它们到达的 顺序如何，或者何时处理它们。（有关更多信息，请参阅有关迟发事件的部 分。）
请注意，有时当事件时间程序实时处理实时数据时，它们将使用一些处理时间 算子操作，以确保它们及时进行。
3、摄取时间
摄取时间是事件进入Flink的时间。在源算子处，每个记录将源的当 前时间作为时间戳，并且基于时间的算子操作（如时间窗口）引用该时间戳。摄取时间在概念上位于事件时间和处理时间之间。与处理时间相比 ，它稍贵一 些，但可以提供更可预测的结果。因为 摄取时间使用稳定的时间戳（在源处分 配一次），所以对记录的不同窗口 算子操作将引用相同的时间戳，而在处理时 间中，每个窗口算子可以将记录分配给不同的窗口（基于本地系统时钟和任何 运输延误）。与事件时间相比，摄取时间程序无法处理任何无序事件或后期数据，但程序不 必指定如何生成水印。在内部，摄取时间与事件时间非常相似，但具有自动时间戳分配和自动水印生成函数。
Flink DataStream程序的第一部分通常设置基本时间特性。该设置定义了数据流源 的行为方式（例如，它们是否将分配时间戳），以及窗口 算子操作应该使用的时间 概念 KeyedStream.timeWindow(Time.seconds(30)) 。
以下示例显示了一个Flink程序，该程序在每小时时间窗口中聚合事件。窗口的行为 适应时间特征。
final StreamExecutionEnvironment env=StreamExecutionEnvironment.getExecutionEnvironment(); env.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTim e); env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) ; DataStream<MyEvent> stream=env.addSource(new FlinkKafkaConsume r09<MyEvent>(topic,schema,props)); stream.keyBy((event)->event.getUser())
.timeWindow(Time.hours(1))
.reduce((a,b)-> a.add(b))
.addSink(...);