zookeeper 梳理

flink:
	一个框架和分布式处理引擎，用于在无边界和有边界数据流上进行有状态的计算
优势：
	1高性能，高吞吐，低延迟；（如何实现？）
	2支持event Time（如何实现？）
	3支持有状态计算（如何实现？）
	4支持灵活的window（Time/Count/Session/Data-driven）,灵活的触发条件（如何实现？）
	5基于轻量级分布式快照CheckPoint，支持容错，将拆解成的小计算过程分布到节点上处理，checkpoint将执行状态中状态信息进行持久化存储，确保处理数据在过程中的一致性（与ack机制的区别）
	6基于JVM实现独立的内存管理，将所有数据对象转化城二进制在内存中存储，降低存储大小，对内存空间充分利用
	7savePoint将任务执行的快照存储，任务重启时可直接从save点恢复
什么是状态？
	计算过程中产生的中间结果，每次计算新结果是基于中间结果，不需进行全量计算，减少计算过程中间损耗和硬件存储
主要应用：
	实时智能推荐、复杂事件处理（工业领域）、实时欺诈检测、实时数仓、ETL类型、流数据分析类型、实时报班类型等业务场景
流处理案例：
	main
	val env=StreamExecutionEnvironment.getExecutionEnvironment
	import org.apache.flink.streaming.api.scala._
	val stream=env.sockTextStream("node1",8888)
	stream.flatmap(_.split(","))
	.map((_,1))
	.keyby(0)
	.sum(1)
	.print
	env.execute("wordcount")