flink sink jdbc没有数据_Flink实践|Flink Batch SQL 1.10 实践

【Flink2020直播课程即将启动，填问卷！赢大礼！】https://c.tb.cn/F3.ZRuUge 

邀请5位以上小伙伴一起填写问卷～就能申请获得Flink社区最新第三季专刊礼包哦！赶快上车吧！ 

Flink 作为流批统一的计算框架，在 1.10 中完成了大量 batch 相关的增强与改进。1.10 可以说是第一个成熟的生产可用的 Flink Batch SQL 版本，它一扫之前 Dataset 的羸弱，从功能和性能上都有大幅改进， 以下我从架构、外部系统集成、实践三个方面进行阐述。

架构

Stack

首先来看下 stack，在新的 Blink planner 中，batch 也是架设在 Transformation 上的，这就意味着我们和 Dataset 完全没有关系了：

1. 我们可以尽可能的和 streaming 复用组件，复用代码，有同一套行为。

2. 如果想要 Table/SQL 的 toDataset 或者 fromDataset，那就完全没戏了。尽可能的在 Table 的层面来处理吧。

3. 后续我们正在考虑在 DataStream 上构建 BoundedStream，给 DataStream 带来批处理的功能。

网络模型

Batch 模式就是在中间结果落盘，这个模式和典型的 Batch 处理是一致的，比如 MapReduce/Spark/Tez。

Flink 以前的网络模型也分为 Batch 和 Pipeline 两种，但是 Batch 模式只是支持上下游隔断执行，也就是说资源用量可以不用同时满足上下游共同的并发。但是另外一个关键点是 Failover 没有对接好，1.9 和 1.10 在这方面进行了改进，支持了单点的 Failover。

建议在 Batch 时打开：

jobmanager.execution.failover-strategy = region

为了避免重启过于频繁导致 JobMaster 太忙了，可以把重启间隔提高：

restart-strategy.fix