如何从零开始学习Flink实现事件驱动架构？
摘要：本文系统讲解 Apache Flink 的事件驱动编程模型，涵盖 ProcessFunction、定时器与状态、事件时间与 Watermark、与窗口的对比以及最佳实践。
在实时计算领域，很多业务逻辑天然适合“事件驱动”模式：当事件到达时触发处理、在某个时间点触发补偿或汇总、根据状态变化发出告警等。Apache Flink 为此提供了强大的 ProcessFunction 家族（KeyedProcessFunction、CoProcessFunction、BroadcastProcessFunction 等），它们在算子层面同时具备“事件处理 + 定时器 + 状态”的能力，是构建复杂流式应用的核心基石。
本文基于 Flink 1.20 的语义，带你从零理解事件驱动的编程模型，并一步步实现一个“伪窗口 PseudoWindow”示例，体会 ProcessFunction 如何代替窗口完成时间分桶、累加和触发输出。
一、为什么选择事件驱动
对于如下需求，事件驱动往往比简单窗口更灵活：
自定义触发逻辑（不仅仅是固定窗口边界）。
精细的迟到事件处理策略（事件时间/处理时间混用、不同类型事件分别处理）。
需要在算子级别维护复杂状态（如每个 key 多个并发“子窗口”或会话）。
需要与外部系统交互或对齐（例如到达某个业务时间点后批量写出）。
ProcessFunction 能满足上述场景，因为它同时提供：
事件回调：processElement，用于逐条事件处理。
定时器：事件时间或处理时间两种类型，支持在指定时刻触发 onTimer 回调。
管理状态：借助 RichFunction 的上下文，访问 keyed state（如 ValueState、MapState、ListState 等）。
二、核心概念速览
KeyedProcessFunction：在 keyBy 之后对每个 key 独立处理事件、注册和触发定时器、读写 keyed state。
TimerService：通过 ctx.timerService() 注册事件时间或处理时间定时器；在 onTimer 中被调用。
Watermark：推进事件时间的“时钟”，只有当 Watermark 超过某个时间点时，对应的事件时间定时器才会触发。
RichFunction：ProcessFunction 属于 RichFunction，因而拥有 open/getRuntimeContext 等生命周期方法，可初始化状态描述符等。
三、示例：用 KeyedProcessFunction 实现“小时级伪窗口”
目标：按司机 driverId，每小时汇总 tip（小费）之和。我们先给出窗口版本，再给出伪窗口版本以对比两者的思路差异。
1. 窗口实现（参考思路）
// 每小时、每个司机的提示费求和（传统事件时间翻转窗口）
DataStream<Tuple3<Long, Long, Float>> hourlyTips = fares
.keyBy((TaxiFare fare) -> fare.driverId)
.window(TumblingEventTimeWindows.of(Duration.ofSeconds(5)))
.process(new AggregateTipsProcess());
窗口版本直观，但触发逻辑受窗口边界约束。