Flink 的流式处理(待更新)

前文：

          在用Spark实时标签系统时，遇到了不少问题，如实时性，Exactly-one，故障重跑等问题，感慨到要是懂Flink就好了。所以当项目开发完后，用了半个月基本把基础过了一遍，还重构了下项目重新部署在测试环境中。

         在实时流领域，Flink比Spark做得更好，尤其是实时性、时间语义、键控状态与水位及故障处理这一块。但在批处理领域，Spark依然是一位不可撼动的霸主，它的生态圈更强。

         先挖坑(慢慢填笔记~)

一、概述

1.2算子转换

二、时间语义与水位

三、键控状态

开发过程中，经常使用KeyedStream，即每个Key可以创建多个属于自己的状态集合，通过集合可以实现各种维表关联及中间状态的保留。

四、故障处理

五、性能调优

六、重构

5.1 Spark

5.2 Flink