Flink

算子之间传输数据的形式可以是` one-to-one (forwarding) `的模式也可以是`redistributing `的模式，具体是哪一种形式，取决于算子的种类。

Flink任务提交 后首先会启动一个 Client进程负责作业的编译与提交，它首先将用户编写的代码编译为一个 JobGraph 。

ProcessWindowFunction可以与ReduceFunction或AggregateFunction组合在一起，在元素到达窗口时增量地聚合它们。

Streaming 流式计算是一种被设计用于处理无限数据集的数据处理引擎，而无限数据集是指一种不断增长的本质上无限的数据集，而 window 是一种切割无限数据 为有限块进行处理的手段。

ProcessFunction 可以被认为是一种提供了对 KeyedState 和定时器访问的 FlatMapFunction。每在输入流中接收到一个事件，就会调用来此函数来处理。

Table API是用于流和批处理的统一的关系API,是SQL语言的超集,可以在批处理或流输入上运行而无需修改,是专门为使用Apache Flink设计的。

无论Table API和SQL查询的输入是有界批处理输入还是无界流输入为连续查询必须限制它们所维护的状态的大小,以避免存储空间用完并能够长时间处理无限制的流数据。

Join是批处理数据处理中常见且易于理解的操作，用于连接两个关系的行。 但是，动态表上的连接语义不太明显甚至令人困惑。

Table API和SQL中基于时间的操作（如窗口）需要有关时间概念及其来源的信息。因此，Table可以提供逻辑时间属性，用于指示时间和访问表程序中的相应时间戳。

Temporal table时态表表示改变的历史记录表上的（参数化）视图的概念，该表返回特定时间点的表的内容。

与静态表相比，动态表会随时间而变化，但可以像静态表一样查询动态表，只不过查询动态表需要产生连续查询。

Apache Flink 具有两个关系 API - Table API 和 SQL -用于统一流和批处理。

window join 将共享相同 key 并位于同一窗口中的两个流的元素联接在一起，发出满足联接条件的结果。

集成Flink（Source、Sink、状态编程、窗口处理、多流join、侧输出、异步IO等）各个功能点

Flink认为Batch是Streaming的一个特例，因为Flink底层引擎是流式引擎，在此上实现了流处理和批处理。而窗口（Window）到Batch的桥梁，Flink提供了非常完善的窗口机制。

触发器确定窗口（由窗口分配器形成）何时准备好由窗口功能处理。每个WindowAssigner都带有一个默认触发器。

Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台，提供支持流处理和批处理两种类型应用的功能。

Flink中窗口的时间不是根据进入窗口的第一个元素计为窗口的开始时间和加Size计窗口结束时间，而是根据Flink内置计算公式。