水印（watermark）就是一个时间戳，Flink可以给数据流添加水印，可以理解为：收到一条消息后，额外给这个消息添加了一个时间字段，这就是添加水印，一般人为添加的消息的水印都会比当前消息的事件时间小一些。
窗口是否关闭按照水印时间来判断，但原有事件时间不会被修改，窗口的边界依旧是事件时间来决定。
-
水印并不会影响原有Eventtime
-
当数据流添加水印后，会按照水印时间来触发窗口计算
-
一般会设置水印时间，比Eventtime小一些（一般几秒钟）
-
当接收到的水印时间 >= 窗口的endTime且窗口内有数据，则触发计算
水印（水印时间）的计算： 事件时间 – 设置的最大允许延迟时间 = 水印时间
比如，事件时间是10分30秒, 最大延迟时间是2秒，那么水印时间就是10分28秒
举例：
窗口5秒，延迟（水印）3秒，按照事件时间计算
-
数据事件时间3, 落入窗口0-5.水印时间0
-
来一条数据事件时间7, 落入窗口5-10，水印时间4
-
来一条数据事件时间4，落入窗口0-5，水印时间1
-
来一条数据事件时间8，落入窗口5-10，水印时间5
这一条数据水印时间大于等于 窗口0-5的窗口结束时间。
满足了对窗口0-5的提交，这个窗口关闭，并触发数据计算
可以看出，第三条数据，其是延迟数据，它的事件时间是4，却来的比事件时间为7的数据还要晚。
但是因为水印的机制，这个数据未错过它的窗口，依旧成功进入属于它的窗口并且被计算
这就是水印的功能：在不影响按照事件时间判断数据属于哪个窗口的前提下，延迟某个窗口的关闭时间，让其等待一会儿延迟数据。
在多并行度下，每个并行有一个水印
比如并行度是6，那么程序中就有6个watermark
分别属于这6个并行度(线程)
那么，触发条件以6个水印中最小的那个为准
比如, 有个窗口是0-5
其中5个并行度的水印都超过了5
但有一个并行度的水印是3
那么，不管另外5个并行度中的水印达到了多大，都不会触发
因为6个并行度中的6个水印，最小的是3，不满足大于等于窗口结束5的条件
一个程序中有多少个水印和并行度有关，和keyby无关
也就是
比如有单词hadoop spark
按照keyby，会分成hadoop组 和spark组
但是这两个组是共用1个水印的
hadoop来的数据满足了触发条件，会将spark组的数据也触发