本文为《Flink大数据项目实战》学习笔记，想通过视频系统学习Flink这个最火爆的大数据计算框架的同学，推荐学习课程：
Flink大数据项目实战：http://t.cn/EJtKhaz
Process Function
1.1分层API
Flink提供三层API. 每个API在简洁性和表达之间提供不同的权衡,并针对不同的用例
1.SQL/Table API (dynamic tables)
2.DataStream API(streams, windows)
3.ProcessFunction(event,state,time)
1.2ProcessFunction
不要跟ProcessWindowFunction混为一谈。
ProcessFunction是一个低阶的流处理操作，它可以访问流处理程序的基础构建模块:
1.事件(event)(流元素)。
2.状态(state)(容错性，一致性，仅在keyed
stream中)。
3.定时器(timers)(event
time和processing time，仅在keyed stream中)。
ProcessFunction可以看作是一个具有keyed
state 和 timers访问权的FlatMapFunction
1.通过RuntimeContext访问keyed state。
2.计时器允许应用程序对处理时间和事件时间中的更改作出响应。对processElement(…)函数的每次调用都获得一个Context对象，该对象可以访问元素的event time timestamp和TimerService。
3.TimerService可用于为将来的event/process
time瞬间注册回调。当到达计时器的特定时间时，将调用onTimer(…)方法。在该调用期间，所有状态都再次限定在创建计时器时使用的键的范围内，从而允许计时器操作键控状态。
1.3低阶join(CoProcessFunction)
CoProcessFunction实现对两个输入的低阶操作，它绑定到两个不同的输入流，分别调用processElement1(…)和processElement2(…)对两个输入流的数据进行处理。
实现低阶join通常遵循此套路：
1.为一个(或两个)输入创建一个状态对象。
2.当从输入源收到元素时，更新状态。
3.从另一个输入接收元素后，检索状态并生成连接的结果。
1.4KeyedProcessFunction
KeyedProcessFunction作为ProcessFunction的扩展，在其onTimer(…)方法中提供对定时器对应key的访问。
2. Timers
2.1TimerService
processing-time/event-time timer都由TimerService在内部维护并排队等待执行，仅在keyed stream中有效。
由于Flink对(每个key+timestamp)只维护一个计时器。如果为相同的timestamp注册了多个timer ，则只调用onTimer()方法一次。
Flink保证同步调用onTimer()和processElement()。因此用户不必担心状态的并发修改。
2.2容错
Timer具有容错和checkpoint能力(基于flink app的状态)。从故障恢复或从savepoint启动应用程序时，Timer将被恢复。
大量计时器会增加检查点时间，因为计时器是检查点状态的一部分。
2.3计时器合并
由于Flink对每个键和时间戳只维护一个计时器，因此可以通过降低计时器频率来合并计时器，从而减少计时器的数量。 event-time timer只会在watermarks到来时触发。
