Beam

Apache Beam不是一个数据处理平台，本身也无法对数据进行处理。Beam 所提供的是一个统一的编程模型思想，
Beam 编程模型会涉及到的 4 个概念，窗口、水印、触发器和累加模式
窗口（Window）：窗口将无边界数据根据事件时间分成了一个个有限的数据集。
水印（Watermark）：水印是用来表示与数据事件时间相关联的输入完整性的概念。对于事件时间为 X 的水印是指：数据处理逻辑已经得到了所有事件时间小于 X 的无边界数据。在数据处理中，水印是用来测量数据进度的
触发器（Triggers）：触发器指的是表示在具体什么时候，数据处理逻辑会真正地触发窗口中的数据被计算。触发器能让我们可以在有需要时对数据进行多次运算
累加模式（Accumulation）：如果我们在同一窗口中得到多个运算结果，我们应该如何处理这些运算结果。常见的有：丢弃（结果之间是独立且不同的）、累积（后来的结果建立在先前的结果上）

PCollection ：Parallel Collection，意思是可并行计算的数据集。
它是无序的；
PCollection 不一定有固定的边界，是否有界取决于生成PCollection的方式；
而且也不能修改内部的数据，只能转换；
延迟执行

PCollection 需要 Coders，Coder 就是在告诉 Beam，怎样把你的数据类型序列化和反序列化。Coder 需要注册进全局的 CoderRegistry 中，简单来说，是为你自己的数据类型建立与 Coder 的对应关系。不然每次你都需要手动指定 Coder。