这里的讨论先把continue stream这种场景排除掉，只讨论常规的spark的微批量场景，
- 如果不执行trigger触发器的时候，spark是尽可能快的分批处理数据，但是多快说不好，
一般是100ms以上，所以这里几乎可以理解成差不多100ms一个微批显式的指定触发间隔，Trigger.ProcessingTime(“2 seconds”)，这里每个批次就是2s一批数据
关于kafka或者file作为输入源时的maxOffsetPerTrigger和maxFilePerTrigger参数的理解：
相当于每次触发一个微批的数据里面最多包含maxOffset或者N个文件里面的数据量，这个是trigger的触发间隔
任何关系
关于output model输出模式的理解：输出模式会反过来影响数据输出的方式(拿带窗口时间的聚合作为例子)，比如：如果是Append输出模式的话，
数据会一直等到wartermark时间时候才输出数据，这样数据就固定了，超过wartermark的时间来的数据就直接丢弃了。
但是如果是update输出模式的话，每次滑动窗口内(注意不是每次触发时间)同一个key会变，不会一直等到wartermark之后
才输出一次结果，而是从出现到wartermark期间，每次滑动窗口内都更新对应key的value并输出
