Flink 流处理

一、Flink 流处理简介

Apache Flink 是一个框架和分布式的的处理引擎 ，用于对无界和有界数据流进行计算状态计算。

二、为什么选择Flink？

数据流可更加真实反映我们的生活方式；
传统的数据架构是基于有限的数据集；
目标：低延迟，高吞吐，结果的 准确性和良好的容错性；

三、传统的数据处理架构

- 事务处理

- 分析处理

• 将数据从业务数据库复制到数仓，再进行分析和查询
  
  有状态的流处理
  
  流处理的演变
  • lambda 架构
  用两套系统 同时保证低延迟和结果准确
  
  流处理的演变
  

基于流的世界观

• 在Flink的世界观中，一切都是由流组成，离线数据就是有界数据流，实时的数据就是无界数据流；这就是所谓的有界和无界数据流；
  
  分层API
  越顶层的越抽象，表达含义越简明，使用越灵活方便；
  越底层的越具体，表达能力越丰富，使用越灵活；
  
  Flink 的其他特点
• 支持事件时间（event-time）和处理时间（processing-time）语义
• 精确一次（exactly-once）的状态一致性保证；
• 低延迟，每秒处理数百万个事件，毫秒级延迟；
• 与众多存储系统相连接；
• 高可用，动态扩展，实现7 * 24小时全天候运行；

Flink vs Spark Streaming

• 流（stream）和微批（micro-batching）
  
• 数据模型
• spark 采用RDD模型， Spark Streaming 的 DStream 实际也是一组组小批数据RDD 的集合
• flink 基本数据模型是数据流，以及事件（Event）序列

运行时架构

• flink 是标准的流执行模式，一个事件在节点处理完成之后，可以直接发往下一个环节；
• spark 是批处理，将DAG划分为不同的statge,一个完成之后才可以计算下一个；