Apache spark 加窗分组聚合中的水印技术

我正在阅读，有一个关于基于事件时间的数据处理的查询。我附上了文档链接中的一个屏幕截图，显示数据甚至在事件发生之前就已经被处理。12:21事件在12:10-12:20的窗口中处理。图像是对的还是我错了

---

在12:13有一个迟到的事件，也是猫头鹰。我想12:10-12:20的时间范围显示了这一点

---

我预期的12:21猫头鹰事件应该出现在12:20-12:30或12:15-12:25的时间范围内。然而，这些都没有显示在图表中

在12:13有一个晚事件，也是owl。我想12:10-12:20的时间范围显示了这一点

---

我预期的12:21猫头鹰事件应该出现在12:20-12:30或12:15-12:25的时间范围内。但是，当您使用实时数据时，这些数据不会显示在图形中，可能存在延迟到达数据的情况，并且必须对早期窗口数据执行此数据的计算。在这种情况下，早期窗口数据的结果存储在内存中，然后与延迟到达数据聚合。但是，由于历史数据存储在内存中，直到丢失的数据到达为止，这可能会导致更高的内存消耗，从而导致内存累积。在这些场景中，Spark streaming具有水印的特性，该特性在延迟到达的数据超过阈值时丢弃该数据

---

在某些情况下，由于放弃这些值，业务结果可能不匹配。为了避免此类问题，必须实现自定义功能来检查数据的时间戳，然后将其存储在HDFS或任何云本机对象存储系统中，以对数据执行批计算，而不是应用水印功能。此实现会导致复杂性。

处理实时数据时，可能会出现延迟到达数据的情况，并且必须对早期窗口数据执行此数据的计算。在这种情况下，早期窗口数据的结果存储在内存中，然后与延迟到达数据聚合。但是，由于历史数据存储在内存中，直到丢失的数据到达为止，这可能会导致更高的内存消耗，从而导致内存累积。在这些场景中，Spark streaming具有水印的特性，该特性在延迟到达的数据超过阈值时丢弃该数据

---

在某些情况下，由于放弃这些值，业务结果可能不匹配。为了避免此类问题，必须实现自定义功能来检查数据的时间戳，然后将其存储在HDFS或任何云本机对象存储系统中，以对数据执行批计算，而不是应用水印功能。这个实现会导致复杂性。

我上面的查询有什么错误吗？我无法理解12:21事件是如何在12:10-12:20窗口中处理的。谢谢，我上面的问题有什么错吗？我无法理解12:21事件是如何在12:10-12:20窗口中处理的。谢谢