初识 Flink

Flink

Flink 基本介绍

• Flink概述 官网

  分布式的计算引擎  
  支持批处理 ，即处理静态的数据集、历史的数据集
  支持流处理 ，即实时地处理一些实时数据流
  支持基于事件 的应用【比如说滴滴通过 Flink CEP 实现实时监测司机的行为流来判断司机的行为是否正当】  
  

• Apache Flink – Stateful Computations over Data Streams

Stateful Computations over Data Streams ，即数据流上的有状态的计算。

• Data Streams ，Flink认为 有界数据集 是 无界数据流 的一种特例，所以说有界数据集也是一种数据流，事件流也是一种数据流。 Everything is streams ，即Flink可以用来处理任何的数据，可以支持批处理、流处理、AI、MachineLearning等等。
• Stateful Computations，即 有状态计算 。有状态计算是最近几年来越来越被用户需求的一个功能。比如说一个网站一天内访问UV数，那么这个UV数便为 状态 。Flink提供了内置的对状态的一致性的处理，即如果任务发生了Failover，其状态不会丢失、不会被多算少算，同时提供了非常高的性能.

无界流 ：意思很明显，只有开始没有结束。必须连续的处理无界流数据，也即是在事件注入之后立即要对其进行处理。不能等待数据到达了再去全部处理，因为数据是无界的并且永远不会结束数据注入。处理无界流数据往往要求事件注入的时候有一定的顺序性，例如可以以事件产生的顺序注入，这样会使得处理结果完整
有界流 ：也即是有明确的开始和结束的定义。有界流可以等待数据全部注入完成了再开始处理。注入的顺序不是必须的了，因为对于一个静态的数据集，我们是可以对其进行排序的。有界流的处理也可以称为 批处理 。

• 其他特点：
  • 性能优秀
  • 高可扩展性
  • 支持容错
  • 纯内存式的计算引擎，做了内存管理方面的大量优化
  • 支持eventime的处理
  • 支持超大状态的Job(在阿里巴巴中作业的state大小超过TB是非常常见的)
  • 支持exactly-once 的处理

Flink 架构

Flink基石

• Checkpoint

  Checkpoint 机制，这是Flink最重要的一个特性。Flink基于 Chandy-Lamport 算法实现了一个分布式的一致性的快照，从而提供了 一致性的语义 。Chandy-Lamport算法实际上在1985年的时候已经被提出来，但并没有被很广泛的应用，而Flink则把这个算法发扬光大了。
  

• State

  Flink为了让用户在编程时能够更轻松、更容易地去 管理状态 ，还提供了一套非常简单明了的State API，包括里面的有ValueState、ListState、MapState，近期添加了BroadcastState，使用State API能够自动享受到这种一致性的语义。
  

• Time

  Flink实现了 Watermark 的机制，能够支持基于事件的时间的处理，或者说基于系统时间的处理，能够容忍数据的迟到,容忍,乱序的数据。
  

• Window

  流计算中一般在对流数据进行操作之前都会先进行开窗，即基于一个什么样的窗口上做这个计算。Flink提供了开箱即用的各种窗口，比如 滑动窗口 、 滚动窗口 、 会话窗口 以及非常灵活的 自定义的窗口 。
  

组件栈

Flink是一个分层架构的系统，每一层所包含的组件都提供了特定的抽象，用来服务于上层组件。