考虑我有一个包含事件时间数据的数据流。我想在8毫秒的窗口时间内收集输入数据流，并减少每个窗口的数据。我使用以下代码：
aggregatedTuple
.keyBy( 0).timeWindow(Time.milliseconds(8))
.reduce(new ReduceFunction<Tuple2<Long, JSONObject>>()
点：数据流的关键是处理时间的时间戳映射到处理毫秒的时间戳的最后8个倍数，例如1531569851297将映射到1531569851296。
但数据流可能到达较晚，并进入错误的窗口时间。例如，假设我将窗口时间设置为8毫秒。如果数据按顺序进入Flink引擎，或者至少延迟小于窗口时间(8毫秒(，这将是最好的情况。但假设数据流事件时间(也是数据流中的一个字段(以30毫秒的延迟到达。所以它会进入错误的窗口，我想如果我检查每个数据流的事件时间，因为它想进入窗口，我可以在这么晚的时候过滤数据。所以我有两个问题：
- 如何在数据流想要进入窗口时对其进行过滤，并检查数据是否在窗口的正确时间戳创建
- 如何在变量中收集如此晚的数据以对其进行处理
Flink有两个不同的相关抽象，它们处理在具有事件时间戳的流上计算窗口分析的不同方面：水印和允许延迟。
首先，水印，无论何时处理事件时间数据(无论是否使用windows(，它都会发挥作用。水印为Flink提供了有关事件时间进度的信息，并为应用程序编写者提供了一种处理无序数据的方法。水印随数据流流动，每个水印都标记流中的一个位置并携带时间戳。水印的作用是断言，在流中的那个点上，流现在(可能(已经完成到那个时间戳——或者换句话说，水印之后的事件不太可能来自水印指示的时间之前。最常见的水印策略是使用BoundedOutOfOrdernessTimestampExtractor，它假设事件在某个固定的、有界的延迟内到达。
这现在提供了延迟的定义——时间戳小于水印时间戳的水印之后的事件被视为延迟。
窗口API提供了允许延迟的概念，默认情况下将其设置为零。如果允许的延迟大于零，则事件时间窗口的默认触发器将在其相应的窗口中接受延迟事件，最高不超过允许的延迟限制。窗口操作将在正常时间启动一次，然后针对每个延迟事件再次启动，直到允许的延迟间隔结束。之后，将丢弃后期事件(如果已配置，则将其收集到侧输出(。
How can I filter data stream as it wants to enter the window and check
if the data created at the right timestamp for the window?
Flink的窗口分配器负责将事件分配给适当的窗口——正确的事情会自动发生。将根据需要创建新的窗口实例。
How can I gather such late data in a variable to do some processing on them?
您可以在水印方面足够慷慨，以避免出现任何延迟数据，和/或将允许的延迟配置为足够长，以适应延迟事件。但是，请注意，Flink将被迫打开所有仍在接受后期事件的窗口，这将延迟垃圾收集旧窗口，并可能消耗大量内存。
请注意，本讨论假设您希望使用时间窗口，例如您正在使用的8秒长的窗口。Flink还支持计数窗口(例如，将事件分组为100个批次(、会话窗口和自定义窗口逻辑。例如，如果使用计数窗口，水印和延迟就不会起任何作用。
如果您想要分析的每个键的结果，那么在应用窗口之前，请使用keyBy按键(例如，按userId(对流进行分区。例如
stream
.keyBy(e -> e.userId)
.timeWindow(Time.seconds(10))
.reduce(...)
将为每个userId生成单独的结果。
更新：请注意，在最近版本的Flink中，windows现在可以将后期事件收集到侧输出中。
一些相关文件：
事件时间和水印
允许的延迟