Spark Streaming只支持 Processing Time， Flink 支持三種時間語義， Processing Time, Event Time, Ingestion Time 

- Processing Time 數(shù)據(jù)被處理時服務器的當前系統(tǒng)時間，這種時間語義比較常用，一般用于對時序性和準確性要求不太高的場景 

- 最簡單的Time概念，對于程序來說擁有最好的性能和最低的延遲。 

- 分布式和異步環(huán)境下，不能保證結果數(shù)據(jù)的準確性，存在時序問題。 

- 數(shù)據(jù)延遲對Flink的輸出結果影響比較大。

- Event Time 事件發(fā)生的時間，是一條數(shù)據(jù)本身攜帶的時間字段。有時序要求，比如必須現(xiàn)有下單，再有支付等有先后關系的業(yè)務場景。

- 這種時間來自于數(shù)據(jù)本身，在事件到達Flink之前就已經(jīng)確定。

- 必須指定如何生成WaterMarks，用來表示Event Time進度的機制。 

- 無論事件什么時候到達或者其怎么排序，最后處理Event Time將產(chǎn)生完全一致和確定的結果，可以解決時序問題。

- Ingestion Time事件進入數(shù)據(jù)源（Flink Source）的時間。

介于Event Time和Processing Time之間，與Processing Time相比會自動生成并使用穩(wěn)定的時間戳，雖然有一定成本，單結果更可預測，與Event Time相比無法處理無序事件或延遲數(shù)據(jù)，但是Ingestion Time不必指定如何生成水印，具有自動分配時間戳和自動生成水印功能。