针对stream数据中的时间，可以分为一下两种：
1、Event Time：事件的产生时间，通常由事件中的时间戳描述。
2、Processing Time：事件被处理时的系统时间。
消息乱序：
在实时系统中，由于各种原因的延时，导致事件到Flink的时间晚于事件产生的时间。如果我们基于Event Time来构建Window，对于延时的事件，我们不可能一直等待下去，所以就需要有一个机制来保证特定的时间后，必须触发执行Window（这个机制也就是Watermark机制）。
FlinkSQL创建表单时获取/设置两种时间的方式：
1、Processing Time：添加字段别名为 PROCTIME()即可，例如：proctime AS PROCTIME()
2、Event Time：
如图，用来设置水位线的时间需要是TIMESTAMP的格式。
FlinkSQL时间窗口：
一、Group Windows：分组窗口，将事件按照时间或计数的方式分为若干组，然后对每个组执行窗口函数
1、是否键控分类
（1）键控Window：先根据指定的字段进行分组，再依据时间或计数构建的Window
（2）非键控Window：不根据字段，直接基于时间或计数构建的Window
2、窗口分类：
（1）时间窗口：
* 翻滚时间窗口
– 依据固定窗口长度对无界数据流进行切片。
– 使用：TUMBLE(ts,INTERVAL ‘1’ HOUR)，其中TUMBLE_START获取窗口开始时间，TUMBLE_END获取窗口结束时间
* 滑动时间窗口
– 固定的窗口长度和滑动间隔组成，event之间存在重叠的情况。（每5S取最新1H的数据）
– 使用：HOP()
* 会话窗口
– 一段时间没有收到新的数据，就会产生一个窗口，没有固定的开始和结束时间。
– 使用：SESSION()
（2）计数窗口：
翻滚计数窗口
滑动计数窗口
二、Windowing TVFs：窗口表值函数
窗口表值函数可以完全替代传统的分组窗口函数，窗口TVF更符合SQL标准，性能得到了优化，拥有更强大的功能。可以支持基于窗口的复杂计算，例如窗口Top-N、窗口联结(window join)等。
目前Flink支持类型：
1、滚动窗口(Tumbling Windows)
（1）定义：长度固定，时间对齐，无event重叠，适用于周期性的统计计算。
2、滑动窗口(Hop Windows，跳跃窗口)
3、累积窗口(Cumulate Windows)
4、会话窗口(Session Windows)