流处理系统可视化实验室
通过 8 个交互式 SVG 模块，直观拆解流处理系统的核心机制：事件时间与处理时间的偏差、窗口语义、精确一次语义、状态管理、反压流控、Kafka 内部机制、流式聚合与 Watermark 时间语义。纯单文件、零依赖，所有动画基于 requestAnimationFrame 与 transform。
事件时间 vs 处理时间
事件时间是数据实际产生的时间，处理时间是系统处理它的时间。二者因网络延迟与乱序而存在偏差。Watermark 作为事件时间进度指标，用于判定迟到事件。
窗口语义
将无界流切分为有界片段以进行聚合。Tumbling 窗口不重叠、不间隔；Sliding 窗口可重叠；Session 窗口由活动间隙划分，长度可变。
精确一次
通过 Checkpoint Barrier 对齐、状态快照与可重放源实现精确一次语义。对比至少一次（可能重复）与至多一次（可能丢失）的差异。
状态管理
Keyed State 按 key 维护：ValueState 单值、ListState 列表、MapState 映射、ReducingState 增量聚合。后端可选内存或 RocksDB，并通过 Checkpoint/Savepoint 持久化。
反压与流控
当下游处理慢于上游生产时，缓冲区堆积并向上游传播反压。可启用反压（阻塞上游）或关闭反压（丢弃超额数据），权衡延迟与丢数据。
Kafka 内部机制
主题分为多个分区，每分区有 1 个 Leader 与若干 Follower 副本（ISR）。生产者写 Leader，消费者按消费组订阅并在成员变化时触发再均衡。
流式聚合
增量维护聚合状态：每来一个事件即更新 sum/count/min/max，无需重算。窗口关闭时输出最终结果，avg = sum / count。
时间语义与 Watermark
Watermark 是事件时间进度的标记，决定窗口何时触发。对比三种生成策略：有界乱序、周期性、标点式。事件时间早于水位的事件为迟到事件。