Flink的发展历史

Flink的应用场景

1. 基于实时数据流的数据处理（Streaming Processing），通常在数十毫秒到数百毫
   秒之间。
2. 典型的事件驱动类应用， 包括欺诈检测(Fraud detection)、异常检测(Anomaly
   detection)、基于规则的告警(Rule-based alerting)、业务流程监控(Business
   process monitoring)、Web应用程序(社交网络)等。
3. 实时的数据分析应用（Real-time Data Analytics Applications）。
4. 管道式ETL（Data Pipeline Applications），比如启动一个Flink实时应用，数据源
   （比如数据库、Kafka）中的数据不断的通过Flink Data Pipeline流入或者追加到数
   据仓库（数据库或者文件系统），或者Kafka消息队列

Flink的应用场景

滚动窗口/滑动窗口/会话窗口
窗口在Flink源码中，用TimeWindow表示。
滑动窗口可以根据Event Time或Processing Time分为：
• TumblingEventTimeWindows
• TumblingProcessingTimeWindows
滑动窗口以一个步长（Slide）不断向前滑动，窗口的长度固定。
• SlidingEventTimeWindows
• SlidingProcessingTimeWindows
会话窗口根据Session gap切分不同的窗口，当一个窗口在大于Session gap的时间内没
有接收到新数据时，窗口将关闭。
• EventTimeSessionWindows
• ProcessingTimeSessionWindows
Flink SQL执行流程：逻辑计划优化
• PushDown Optimization
常见的下推优化有谓词下推（Predicate Pushdown）、列裁剪（Projection Pushdown）等