为何选择Flink（一）

目录

1 连续事件处理的目标

2 流处理技术的演变

3 初探Flink

4 参考

---

1 连续事件处理的目标

流处理应该具备什么样的特点

低延迟、高吞吐、容错性（能够处理中断，保证 exactly-once）

2 流处理技术的演变

在flink出来之前是什么技术

Storm（低延迟但是故障发生时不能准确处理计算状态）、Spark Streaming（高吞吐和容错性，但是牺牲了低延迟和实时处理能力）

Storm是怎么样的，有什么问题

1 流处理先锋

2 可以做到低延迟，很难实现高吞吐、不能保证 exactly-once

Lambda 架构

1 lambda架构可以做到既保证低延迟，又保障正确性

2 通过批量 MapReduce 作业提供了虽有些延迟但是结果准确的计算，同时Storm 将最新数据的计算结果初步展示出来

Spark Streaming 是如何处理数据的

把连续事件中的流数据分割成一系列微小的批量作业。如果分割得足够小（即所谓的微批处理作业，计算就几乎可以实现真正的流处理

3 初探Flink

flink来源于什么项目

起源于 Stratosphere 项目

flink的名字由来

flink在德语中表示快速和灵巧

flink包含些什么

1 Flink Runtime 执行引擎

2 面向流处理的接口（DataStream API）和面向批处理的接口（DataSet API）

3 机器学习（FlinkML）复杂事件处理（CEP），图计算（Gelly），Table API

flink的数据处理观

flink 将批处理（即处理有限的静态数据）视作一种特殊的流处理。

flink的特点

1 能够在成百上千台机器上运行，大型的计算任务分成许多小的部分，每个机器执行一个部分

2 发生故障时计算也能持续计算

3 使用了容错性数据流

4 保证了 exactly-once语义和基于事件时间的数据窗口

4 参考

《Flink基础教程》

如果你觉得文章还可以，欢迎点赞，评论，转发，收藏，关注哦！！