水位线与迟到数据的三种处理策略

水位线本质上是一个时间戳T，含义是”窗口已经收到了所有时间戳≤T的数据”，超过T才到达的数据被视为迟到数据。对迟到数据有三种处理策略：丢弃——窗口触发后不再保留数据，迟到数据直接扔掉；累积——窗口触发后在一个”允许迟到时间”内继续保留数据，迟到数据仍可计入窗口重新计算；累积与回撤——在累积基础上，对已经输出过的旧结果做撤回修正再输出新结果，避免下游拿到过时的错误值。三者是准确性和资源占用之间依次递增的权衡：丢弃最省资源但可能漏算，回撤最准确但要求下游能处理修正消息。与[[事件时间与处理时间的本质区别]]配合，是流计算处理乱序数据的核心机制。