在使用EventTime处理Stream数据的时候会遇到数据乱序的问题，流处理从Event（事件）产生，流经Source，再到Operator，这中间需要一定的时间。虽然大部分情况下，传输到Operator的数据都是按照事件产生的时间顺序来的，但是也不排除由于网络延迟等原因而导致乱序的产生，特别是使用kafka的时候，多个分区之间的数据无法保证有序因此，在进行window计算的时候，不能无限期的等下去，必须要有个机制来保证特定的时间后，必须出发Window进行计算，这个特别的机制就是Watermark（水位线）。
WaterMark原理
在Flink的窗口处理过程中，如果确定全部数据到达，就可以对Window的所有数据做窗口计算操作（如汇总、分组等），如果数据没有全部到达，则继续等待该窗口中的数据全部到达才开始处理。这种情况下就需要用到水位线（WaterMark）机制，它能够衡量数据处理进度（表达数据到达的完整性），保证事件数据（全部）到达Flink系统，或者在乱序及延迟到达时，也能够像预期一样计算出正确并且连续的结果。当任何Event进入到Flink系统时，会根据当前最大事件时间产生WaterMark时间戳。
WaterMark可以理解为一种延迟触发机制，我们可以设置WaterMark的延时时长t，每次系统会校验已经到达的数据中最大的maxEventTime，然后认定eventTime小于maxEventTime-t的所有数据都已经到达，如果有窗口的停止时间等于maxEventTime-t，那么这个窗口被触发执行。
当Flink接收到数据时，会按照一定的规则去生成WaterMark，这条WaterMark就等于当前所有到达数据中的maxEventTime - 延迟时长，也就是说，WaterMark是由数据携带的，一旦数据携带的WaterMark比当前未触发的窗口的停止时间要晚，那么就会触发相应窗口的执行。由于WaterMark是由数据携带的，因此，如果运行过程中无法获取新的数据，那么没有被触发的窗口将永远都不会被触发。
