Spark Streaming只支持 Processing Time， Flink 支持三种时间语义， Processing Time, Event Time, Ingestion Time 

- Processing Time 数据被处理时服务器的当前系统时间，这种时间语义比较常用，一般用于对时序性和准确性要求不太高的场景 

- 最简单的Time概念，对于程序来说拥有最好的性能和最低的延迟。 

- 分布式和异步环境下，不能保证结果数据的准确性，存在时序问题。 

- 数据延迟对Flink的输出结果影响比较大。

- Event Time 事件发生的时间，是一条数据本身携带的时间字段。有时序要求，比如必须现有下单，再有支付等有先后关系的业务场景。

- 这种时间来自于数据本身，在事件到达Flink之前就已经确定。

- 必须指定如何生成WaterMarks，用来表示Event Time进度的机制。 

- 无论事件什么时候到达或者其怎么排序，最后处理Event Time将产生完全一致和确定的结果，可以解决时序问题。

- Ingestion Time事件进入数据源（Flink Source）的时间。

介于Event Time和Processing Time之间，与Processing Time相比会自动生成并使用稳定的时间戳，虽然有一定成本，单结果更可预测，与Event Time相比无法处理无序事件或延迟数据，但是Ingestion Time不必指定如何生成水印，具有自动分配时间戳和自动生成水印功能。