了解一个框架，得首先了解它的执行过程。而源码追溯就是一个很好的学习方法，通过一层层的引用查看，可以很好的理解Flink在提交任务过程中做了什么。从经典WordCount程序出发，学习Flink。
最经典的计算示例莫过于WorldCount，Flink中的示例提交方式很简单：bin/flink run examples/batch/WordCount.jar。即来到Flink的根目录，命令行输入以上指令便可进行简单的单词统计功能。打开源代码，可以看到bin/flink是一个shell脚本，用于预加载环境并启动Java程序。
水印简单的来说，就是衡量Event Time的一种机制，给定Event Time 减去一个可容忍的延迟时间，然后再触发窗口计算。对于存在延迟的元素，不能无限期的等下去，必须要有个机制来保证一个特定的时间后，触发Window去进行计算。
水印，用于告诉系统事件时间中的执行进度，时间戳的分配随着水印的生成。水印的依赖条件是窗口，水印只是决定了窗口的触发时间，watermark是用于处理乱序事件的。 有两种方式可以分配时间戳和生成水印：
注意：如果指定多次watermark，后面指定的会覆盖前面的值；多并行度的情况下，watermark对齐会取所有channel最小的watermark；
Azkaban是由Linkedin开源的一个批量工作流任务调度器。用于在一个工作流内以一个特定的顺序运行一组工作和流程。Azkaban定义了一种KV文件格式来建立任务之间的依赖关系，并提供一个易于使用的web用户界面维护和跟踪你的工作流。在数据领域，Azkaban非常流行，但是原生的Azkaban也存在不少缺陷。比如：跨项目依赖、自带用户管理功能弱、中文支持乱码等。
最近项目规划需要，又拾起了Azkaban调度器，首先遇到的便是跨项目调度问题。在官方的源代码中，是不支持跨项目调度依赖的。从代码工作量上来评估，短时间内个人完成源代码的二次开发有点困难。故而求其次，开始从数据库元数据开始入手。幸而Azkaban本身也有Restful接口可以直接调用。少年，躁动起来吧！
Apache Flink是一个分布式大数据流处理引擎，可对有限数据流和无限数据流进行有状态或无状态的计算，能够对各种规模大小的数据进行快速计算。
在广州这几年，一直都是办理居住证来获取各种资格。末了居住证过期了，而正好又赶上需要想想迁户口的事儿，就有一回没一回的开始了了解入户步骤的日子。讲真，入户的流程在普通人看来是真复杂，没弄过的出岔子的几率大。这也就出现了代理入户的各种机构，了解到的各类机构在2020年上半年的代理费用大概是3000元左右，办理入户时间是两个月，期间只需要申请人到现场一次即可（最后我自己办也就去过一次现场，笑cry-_-）。
机会不是人人都有，运气也不是时时都在，思虑太多涂添繁琐，顺势而为方为正途。
人需要有信仰，也需要有爱好，更需要有朋友。要想走得远，资源和环境必不可少，知道不该做什么的人才可怕。
人生短短几十年，莫等闲，善待双亲，享受责任与义务。
人生往往不是零和游戏，鹬蚌相争渔翁得利的事比比皆是，你我皆凡人，双赢的最值得争取的东西。
未来五年是最重要的五年，平凡还是炫目，都在此一搏。
二八原则，底层的人想要爬上中层乃至高层，必须要有更多的气运，比90年代更加勤奋才行。
天道酬勤，于人在势，顺势而为的势。
加油，一个生肖轮，一次破茧路。