一、Environment

getExecutionEnvironment

创建一个执行环境，表示当前执行程序的上下文。如果程序是独立调用的，则此方法返回本地执行环境；如果从命令行客户端调用程序以提交到集群，则此方法返回此集群的执行环境，也就是说，getExecutionEnvironment会根据查询运行的方式决定返回什么样的运行环境，是最常用的一种创建执行环境的方式。

// 有界流
ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();
// 无界流
StreamExecutionEnvironment stremEnv = StreamExecutionEnvironment.getExecutionEnvironment();

如果没有设置并行度，会以flink-conf.yaml中的配置为准，默认是1

# The parallelism used for programs that did not specify and other parallelism.
parallelism.default: 1

createLocalEnvironment

返回本地执行环境，需要在调用时指定默认的并行度。

LocalEnvironment localEnv = ExecutionEnvironment.createLocalEnvironment(1);

createRemoteEnvironment

返回集群执行环境，将Jar提交到远程服务器。需要在调用时指定JobManager的IP和端口号，并指定要在集群中运行的Jar包。

ExecutionEnvironment remoteEnv = ExecutionEnvironment.createRemoteEnvironment("ip", 6123, "/Users/wells/Downloads/wordcount.jar");

二、Flink程序的结构

Flink 应用程序结构就是如上图所示：

Source: 数据源，Flink 在流处理和批处理上的 source 大概有 4 类：
- 基于本地集合的 source
- 基于文件的 source
- 基于网络套接字的 source
- 自定义的 source：自定义的 source 常见的有 Apache kafka、Amazon Kinesis Streams、RabbitMQ、Twitter Streaming API、Apache NiFi 等，当然你也可以定义自己的 source。
Transformation：数据转换的各种操作，有 Map / FlatMap / Filter / KeyBy / Reduce / Fold / Aggregations / Window / WindowAll / Union / Window join / Split、Select / Project 等，操作很多，可以将数据转换计算成你想要的数据。
Sink：接收器，Flink 将转换计算后的数据发送的地点，你可能需要存储下来，Flink 常见的 Sink 大概有如下几类：
- 写入文件
- 打印出来
- 写入 socket
- 自定义的 sink ：自定义的 sink 常见的有 Apache kafka、RabbitMQ、MySQL、ElasticSearch、Apache Cassandra、Hadoop FileSystem 等，同理你也可以定义自己的 Sink。
  2.1、Source
  Kafka、Redis、ES、JDBC API：https://www.yuque.com/wells/big.data/vh1lyw

2.2、Transform

算子用法包括：Map / FlatMap / Filter / KeyBy / Reduce / Fold / Aggregations / Split、Select
https://github.com/Wells-Lee/flink-demo/tree/master/src/main/java/com/wells/flink/demo/api/transform

2.3、sink

kafka、redis、es、jdbc api：https://www.yuque.com/wells/big.data/qben6c

三、Time And Window

https://www.yuque.com/wells/big.data/ic4oh2

大数据

Flink流处理API