一、基础核心题（必问，夯实底层认知，体现技术功底）1. Flink的核心特点是什么？相比Spark Streaming有哪些优势？标准答案：Flink核心特点可总结为**「纯流处理、低延迟、高吞吐、Exactly-Once、丰富状态管理、流批一体」**，是新一代实时计算引擎，相比Spark Streaming（微批）的核心优势体现在：处理模型：Flink是原生纯流处理，基于事件驱动，延迟可达毫秒级；Spark Streaming是微批处理，延迟最低秒级，我在视频图像平台项目中用Flink替代Spark Streaming后，布控预警延迟从5秒降至500ms内；一致性保障：Flink原生支持端到端Exactly-Once（Checkpoint+两阶段提交），Spark Streaming仅能做到At-Least-Once，适配金融、工业、安防等对数据一致性要求高的场景；状态管理：Flink提供丰富的键控状态、窗口状态，支持状态持久化、增量Checkpoint，还能做状态调优；Spark Streaming状态管理简单，仅支持基础的updateStateByKey；窗口机制：Flink支持滚动、滑动、会话、全局窗口，还支持基于事件时间的窗口（可处理数据乱序/迟到）；Spark Streaming仅支持基于处理时间的固定窗口；流批一体：Flink底层统一支持流处理和批处理，批处理是流处理的特例，可一套引擎处理实时+离线数据，降低架构复杂度。2. Flink的核心架构组件有哪些？各自的作用是什么？标准答案：Flink采用主从架构，核心组件分为客户端、集群层、执行层，我在项目中基于YARN部署Flink集群，各组件作用如下：Client（客户端）：负责将用户编写的Flink作业（SQL/Java/Scala）编译为JobGraph，提交给集群（YARN/Standalone），同时提供作业调试、日志查看功能；JobManager（主节点）：集群核心，负责任务调度和集群管理，包含3个子组件：Dispatcher：接收客户端提交的作业，启动JobMaster；JobMaster：单作业的调度核心，将JobGraph转换为ExecutionGraph，分配任务给TaskManager，监控作业运行状态；ResourceManager：负责集群资源申请/释放，对接外部资源管理器（YARN/K8s）；TaskManager（从节点）：实际执行计算的节点，包含多个TaskSlot（资源插槽，是Flink的最小资源单位），TaskManager接收JobMaster的任务，启动Task执行计算，同时负责数据的缓存、交换和状态管理。3. Flink的三大时间属性是什么？各自的适用场景？标准答案：Flink为了解决实时数据乱序、延迟、采集时间与产生时间不一致问题，定义了三大时间属性，核心是事件时间（业务最常用），我在工厂/安防实时数仓中均以事件时间为核心：事件时间（Event Time）：数据实际产生的时间（如设备采集数据的时间、用户行为的发生时间），由数据本身的时间戳字段标识；✅ 适用场景：所有对业务时间准确性要求高的场景（如设备故障时间统计、产线产能按生产时间计算、安防布控按事件发生时间预警）；⚠️ 需配合Watermark（水位线）使用，处理数据乱序和迟到；处理时间（Processing Time）：数据到达Flink算子的时间，依赖集群服务器时间，无延迟但准确性低；✅ 适用场景：对时间准确性要求低的场景（如实时数据概览、临时监控统计）；摄入时间（Ingestion Time）：数据到达Flink数据源（Source）的时间，介于事件时间和处理时间之间，无需手动设置Watermark，但准确性不如事件时间；✅ 适用场景：无事件时间戳、但需要一定时间准确性的场景。4. Flink的Watermark（水位线）是什么？作用和原理？标准答案：Watermark是Flink处理事件时间窗口的核心，本质是一个时间戳，核心作用是告诉Flink引擎“当前已经处理到哪个时间点的事件数据了”，用于触发窗口计算、处理数据乱序和迟到，我在所有基于事件时间的Flink任务中均配置了Watermark。核心原理：Watermark随数据流一起流动，每个数据分区都有对应的Watermark，Flink取所有分区的最小Watermark作为全局Watermark；当Watermark的时间戳大于等于窗口的结束时间时，Flink触发该窗口的计算；支持设置迟到时间，Watermark超过窗口结束时间后，仍会等待迟到时间，接收晚到的数据，超过迟到时间则丢弃（或通过侧输出流收集）。实战配置：// 基于事件时间戳字段ts生成Watermark，允许5秒迟到.assignTimestampsAndWatermarks(WatermarkStrategy.forBoundedOutOfOrderness(Duration.ofSeconds(5))// 乱序时间5秒.withTimestampAssigner((event,timestamp)-event.getTs