1、flink的四大基石
        state、Time、window、checkpoint
2、flink中的滾動窗口和滑動窗口的區別
        滾動窗口：窗口長度=滑動距離，又分為滾動時間窗口、滾動計數窗口。
         滑動窗口：窗口長度！=滑動距離，其中，如果滑動距離>窗口長度，會漏掉數據，反之則會重複處理數據比如要求是每隔1分鐘，統計前面5分鐘的數據（滑動距離1分鐘，窗口長度5分鐘，重複處理4分鐘的數據）
3、flink中時間語義有哪些？如何處理遲到的數據
時間語義：
eventTime：事件時間，是時間真正發生時的時間
ingestionTime：攝入時間，是時間達到流處理系統的時間
ProcessingTime：處理時間，是時間被處理的時間
遲到的數據可以使用：
allowdelateness:水印+allowdelateness是短期延遲+等待長期延遲效果，達到水印條件後，會觸發窗口計算，但是不關閉窗口。事件時間延遲達到水印+allowdelateness之後會關閉窗口
側輸出-SideOutput：通過watermark在短時間內允許了亂序到來的數據，可以將錯過水印有錯過allowdelateness允許的時間的數據，單獨存放在一個DataStream中，然後開發人員可以自定義邏輯對這些超級遲到的數據進行處理。
4、flinkCore中都能讀取哪些數據
基本數據類型
// 從集合讀取基本類型
Integer
Double
String
Boolean
Long序列
複合數據類型
Tuple（元組）、
POJO（普通Java對象）、
Case Class（Scala專用，Java中類似POJO）
數據庫數據
Kafka消息隊列數據
日誌數據
訂單數據
5、flink中常見的算子以及作用
1）Source：用來處理數據來源

fromSource、readFile、collection、Socket其中socket是非並行的Source，該方法需要傳入兩個參數，一個是指定的ip或主機名，另一個是端口號
2）Transformaton-轉換算子：
FlatMap：讀取文件內容，
Filter：讀取文件中的日誌數據，並過濾出對應的ip，
KeyBy：分組，
Reduce:對一個dataset或group進行聚合計算，最終聚合成一個元素
union：可以合併多個同類型的流，可以去並集但是不會去重，且union合併的Datastream的類型必須是一致的。
collect：可以連接兩個不同類型的流，兩個流之間的數據類型可以不同，對兩個流的數據可以分別應對不同的處理邏輯。
Side Outputs側道輸出(側輸出流)：可以分流，例如將數據按照奇偶數進行分流，並獲取數據。
3）Sink：調用Sink後才會產生最終的計算結果
print：打印，可以傳入一個字符，指定一個Sink的標識名稱，如果有多個打印的Sink，用來區分到底是哪一個Sink的輸出。
Connectors：向JDBC數據庫中寫入數據，包括kafkaconnector，jdbcconnector。
6、窗口函數分為增量函數和全量函數，請編寫對應的函數名
增量函數：reduce(reduceFunction)、aggregate(aggregateFunction)、sum()、min()、max()
全量函數：apply(windowFunction)、process(processWindowFunction)