一.介绍

Apache Flink 是一个分布式的计算框架，对有界流(批处理)和无界流(流处理)数据进行有状态的计算

1.有界流和无界流

有界流

• 有定义流的开始，也有定义的结束。
• 可以在摄取所有数据后进行计算
• 所有数据可以被排序，无需有序摄取数据
• 有界流通常为批处理

无界流

• 有定义的开始，没有定义的结束
• 数据需要在获取后立即执行计算
• 数据需要有序，以便推断结果的完整性

2.数据的计算模型

批计算：对定义的时间范围内的数据进行计算，批计算需要支持高吞吐、高效处理
流计算：只要数据一直产生，就一直计算，流计算一般需要低延迟，Exactly-once保证

Flink 特性

• 同时支持高吞吐，低延迟，高性能
• 支持事件时间 (Event Time) ,接入时间(Ingestion Time) ，处理时间(Processing Time)
• 支持有状态的 Exactly-once 语义
• 支持高度灵活的 Window 窗口
• 支持轻量级分布式快照(Snapshop)实现的容错
• 支持带反压的连续流模型
• 在 JVM 内部实现了自己的内存管理
• 支持程序自动优化： 避免特定情况下 Shuffle、 排序等昂贵操作， 中间结果有必要进行缓存

  FLink 整体结构

  

自下而上

• 部署：Flink 支持本地模式，能在独立集群模式或者被 Yarn 和 Mesos 管理，也支持上云
• 运行：FLink是分布式流式数据引擎，意味着每条数据都一次事件的模式处理
• API：DataStream、DataSet、Table、SQL API。
• 扩展：Flink 还包括用于复杂事件处理，机器学习，图形处理和 Apache Storm 兼容性的专用代码库。

Flink API

• 最底层的提供了有状态流，将过程函数(Peocess Function) 嵌入到 DataStream API 中，允许用户在一个或多个数据源中灵活处理数据，并使用一致、容错的状态。除此之外，用户可以注册事件时间和处理事件回调，从而使程序可以实现复杂的计算。
• DataStream / DataSet API 是 Flink 提供的核心 API ，DataSet 处理有界的数据集，DataStream 处理有界或者无界的数据流。用户可以通过各种方法（map / flatmap / window / keyby / sum / max / min / avg / join 等）将数据进行转换 / 计算。
• Table API 是以 表 为中心的声明式 DSL，其中表可能会动态变化（在表达流数据时）。Table API 提供了例如 select、project、join、group-by、aggregate 等操作，使用起来却更加简洁（代码量更少）。