Flink介绍

Apache Flink 是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架 Apache Flink 是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。Flink 被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算。

Flink官网:flink.apache.org/

Flink中文社区：flink-learning.org.cn/

Flink重要特点

事件驱动

事件驱动型应用是一类具有状态的应用， 它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以 kafka 为代表的消息队列几乎都是事件驱动型应用。 与之不同的就是 SparkStreaming 微批次，如图：

事件驱动型：

流和批处理

批处理的特点是有界、持久、大量， 非常适合需要访问全套记录才能完成的计算工作， 一般用于离线统计。

流处理的特点是无界、实时, 无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

spark：一切都是由批次组成的， 离线数据是一个大批次， 而实时数据是由一个一个无限的小批次组成的。

flink：一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。

无界数据流：无界数据流有一个开始但是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后立即处理 event。对于无界数据流我们无法等待所有数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取 event，以便能够推断结果完整性。

有界数据流：有界数据流有明确定义的开始和结束，可以在执行任何计算之前通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对有界数据集进行排序，有界流的处理也称为批处理。

这种以流做为的架构，获得的最大好处就是具有极低的延迟。

分层API

官网API说明地址：flink.apache.org/flink-appli…

Flink提供了三层API。每个API在简洁性和表达性之间提供不同的权衡。

最底层级的抽象仅仅提供了有状态流，它将通过过程函数（ Process Function） 被嵌入到 DataStream API 中。底层过程函数（ Process Function） 与 DataStream API 相集成，使其可以对某些特定的操作进行底层的抽象，它允许用户可以自由地处理来自一个或多个数据流的事件，并使用一致的容错的状态。除此之外，用户可以注册事件时间并处理时间回调，从而使程序可以处理复杂的计算。

实际上，大多数应用并不需要上述的底层抽象，而是针对核心 API（ Core APIs） 进行编程，比如 DataStream API（ 有界或无界流数据） 以及 DataSet API（有界数据集）。这些 API 为数据处理提供了通用的构建模块， 比如由用户定义的多种形式的转换（ transformations），连接（ joins），聚合（ aggregations），窗口操作（ windows） 等等。DataSet API 为有界数据集提供了额外的支持， 例如循环与迭代。这些 API 处理的数据类型以类（ classes）的形式由各自的编程语言所表示。

Table API 是以表为中心的声明式编程，其中表可能会动态变化（ 在表达流数据时）。Table API 遵循（扩展的）关系模型：表有二维数据结构（ schema）（ 类似于关系数据库中的表），同时 API 提供可比较的操作，例如 select、project、join、group-by、aggregate 等。Table API 程序声明式地定义了什么逻辑操作应该执行，而不是准确地确定这些操作代码的看上去如何。