一、Flink是什么

一句话概括

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。

前身

Apache Flink 的前身是柏林理工大学一个研究性项目， 在 2014 被 Apache 孵化器所接受，然后迅速地成为了Apache Software Foundation的顶级项目之一。

特点

现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型：流处理一般需要支持低延迟、Exactly-once保证，而批处理需要支持高吞吐、高效处理。
Flink是完全支持流处理，也就是说作为流处理看待时输入数据流是无界的；批处理被作为一种特殊的流处理，只是它的输入数据流被定义为有界的。

Flink组件栈

image

)

Deployment层

主要涉及了Flink的部署模式，Flink支持多种部署模式：本地、集群（Standalone/YARN）、云（GCE/EC2）

image

Runtime层

Runtime层提供了支持Flink计算的全部核心实现，比如：支持分布式Stream处理、JobGraph到ExecutionGraph的映射、调度等等，为上层API层提供基础服务

API层

API层主要实现了面向无界Stream的流处理和面向Batch的批处理API，其中面向流处理对应DataStream API，面向批处理对应DataSet API

Libaries层

• 在API层之上构建的满足特定应用的实现计算框架，也分别对应于面向流处理和面向批处理两类

• 面向流处理支持：CEP（复杂事件处理）、基于SQL-like的操作（基于Table的关系操作）

• 面向批处理支持：FlinkML（机器学习库）、Gelly（图处理）

Flink的优势

• 支持高吞吐、低延迟、高性能的流处理
• 支持高度灵活的窗口（Window）操作
• 支持有状态计算的Exactly-once语义
• 提供DataStream API和DataSet API

image

image

Flink基本编程模型

• Flink程序的基础构建模块是流(streams) 与 转换(transformations)
• 每一个数据流起始于一个或多个 source，并终止于一个或多个 sink

下面是一个由Flink程序映射为Streaming Dataflow的示意图:

image

并行数据流示意图:

image

Flink基本架构

• Flink是基于Master-Slave风格的架构
• Flink集群启动时，会启动一个JobManager进程、至少一个TaskManager进程

image

JobManager

• Flink系统的协调者，它负责接收Flink Job，调度组成Job的多个Task的执行

• 收集Job的状态信息，并管理Flink集群中从节点TaskManager

TaskManager

• 实际负责执行计算的Worker，在其上执行Flink Job的一组Task
• TaskManager负责管理其所在节点上的资源信息，如内存、磁盘、网络，在启动的时候将资源的状态向JobManager汇报

Client

• 用户提交一个Flink程序时，会首先创建一个Client，该Client首先会对用户提交的Flink程序进行预处理，并提交到Flink集群

• Client会将用户提交的Flink程序组装一个JobGraph， 并且是以JobGraph的形式提交的