12:15的时候减去10i是12:05已经比之前的12:04大了，所以应该更新watermark了。如果进来的时间没有上次watermark的时间大，则不更新watermark并且按照这个eventtime的时间放到对应的时间区间窗口中。

12:05这条记录了，课程讲解中，没有更新watermark。请老师给回答下吧~

假如有一个事件 12:01 cat 在12:02到达的话，这种情况下这条记录不会在12:05-12:15的窗口之内，那么最终的输出应该是什么样的呢？

老师，我想请教下，每个窗口都包含上个窗口的记录，会导致最后一个窗口的数据记录特别大吧！这个问题有什么机制控制下

老师你好，我们这边有个场景，用flink消费一张表，每来一条数据，需要关联维表，进行数据转换。这个维表数据量比较大，更新不是频繁，flink 表可以直接关联关系型数据库中这张维表吗，或者有没有更好的实现方式。

12:15这个消息，没有触发watermark更新，老师你讲错了吧

看明白了，这个图中的watermark是每5分钟更新一次。12:15的数据进来时，没到更新时间，所以watermark不变，还是12:04。processingTime为12:20时，12:15-12:20这个processingTime时间窗口里因为进来了一条12:21,owl的数据，所以更新watermark为12:11。12:26,owl这条数据进来时要等到processingTime为12:25时，更新watermark，并计算12:05-12:15的窗口数据

看明白了，左右两个图要结合起来看。 右图中的watermark更新设定是每5分钟更新一次（ppt里没说明，是period wm）。 事件时间为12:15的数据进来时（处理时间大约是12:19分），还没到period wm的更新时间（更新时间是12:20），所以watermark不变，还是12:04。 processingTime为12:20时，12:15-12:20这个processingTime时间窗口里因为进来了一条事件时间为12:21,owl的数据，所以更新watermark为12:11。 12:26,owl这条数据进来时要等到processingTime为12:25时，才会更新watermark，并计算12:05-12:15的窗口数据

老实讲的透彻, 似乎自己也没特别明白

这个图好像是spark官网的？