Apache flink 什么&x2018；数据流的实际用途是什么

数据流的javadoc#assigningAscendingTimeStamps

*为数据流中的元素分配时间戳，并定期创建
*表示事件时间进度的水印。
*
*此方法是已知元素时间戳的数据流的快捷方式
*在每个平行流中单调上升。
*在这种情况下，系统可以自动完美地生成水印
*通过跟踪递增的时间戳。

此方法假定

元素时间戳在每个并行流中单调递增。但在实践中，几乎没有任何流能够保证事件时间戳是按升序排列的

我想得出结论，这种方法永远不应该被使用，但我会问我是否遗漏了什么（例如，何时使用它）
一般来说，我同意，在实践中很少使用这种方法。例外情况如下：如果Kafka用作带有LogAppendTime的源，则时间戳按每个分区的顺序排列。然后，您可以使用AscendingTimestampExtractor在Flink[1]中使用每个分区的水印，并将获得非常理想的水印

干杯

康斯坦丁

[1] 
在读取源代码
数据流#分配AscendingTimeStamps
后，它使用
AscendingTimestampExtractor
提取时间戳

AscendingTimestampExtractor
将保留迄今为止看到的最大事件时间戳。如果事件时间顺序不正确，它将打印日志以警告违反了单调递增的时间戳

因此，我认为这门课在不允许懒惰的情况下（水印可能会不断增长）在实践中可能会很方便。
感谢@sntrable提供了有用的答案！