Flink - [01] 概述

官网：https://flink.apache.org/

一、Flink 是什么

• 是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布，数据通信以及容错机制等功能。
• 是一个框架和分布式处理引擎，用于对无界和有界数据流进行状态计算。
• 是为分布式、高性能、随时空iji准确的流处理应用程序打造的开源流处理框架。

二、为什么选择Flink

流数据更真实地反映了我们的生活方式，传统的数据架构是基于有限数据集的。

我们的目标：

• 低延迟
• 高吞吐
• 结果的准确性和良好的容错性

三、Flink的特点

事件驱动：事件驱动型应用是一类具有状态的应用，它从一个或多个事件流提取数据，并根据到来的事件触发计算、状态更新或其他外部动作。比较典型的就是以Kafka为代表的消息队列，几乎都是事件驱动型应用。

基于流的世界观：在Flink的世界观中，一切都是由流组成的，离线数据是有界的流；实时数据是一个没有界限的流，即无界流。

其他特点：

• 支持事件事件（event-time）和处理时间（processing-time）语义。
• 精确一次（exactly-once）的状态一致性保证。
• 低延迟，每秒处理数百万个时间，毫秒级延迟。
• 与众多常用存储系统的连接。
• 高可用，动态扩展，实现7*24小时全天候运行。

四、无界流和有界流

无界流：无界数据流有一个开始但是没有结束，它们不会在生成时终止并提交数据，必须连续处理无界流，也就是说必须在获取后立即处理event。对于无界数据流我们无法等待所有的数据都到达，因为输入是无界的，并且在任何时间点都不会完成。处理无界数据通常要求以特定顺序（例如事件发生的顺序）获取event，以便能够推断结果完整性。

有界流：有界数据流有明确定义的开始和结束，可以在执行任何计算之间通过所有数据来处理有界流，处理有界流不需要有序获取，因为可以对有界数据集进行排序，有界流的处理也称为批处理。

这种以流为世界观的架构，获得的最大好处就是具有极低的延迟。

批处理的特点是有界、持久、大量，非常适合需要访问全套记录才能完成的计算工作，一般用于离线统计。

流处理的特点是无界、实时，无需针对整个数据集执行操作，而是对通过系统传输的每个数据项执行操作，一般用于实时统计。

在Spark的世界观中，一切都是由批次组成的，离线数据是一个大批次，而实时数据是由一个一个无限的小批次组成的。

在Flink的世界观中，一切都是由流组成的，离线数据是有界限的流，实时数据是一个没有界限的流，这就是所谓的有界流和无界流。

五、Flink VS Spark Streaming

数据模型

• Spark采用RDD模型，Spark Streaming的DStream实际上也是一组组小批数据RDD的集合。
• Flink基本数据模型是数据流，以及事件（Event）序列。

运行时架构

• Spark是批计算，将DAG划分为不同的Stage，一个完成后才可以计算下一个。
• Flink是标准的流执行模式，一个事件在一个节点处理完后可以直接发往下一个节点进行处理。

— 要养成终生学习的习惯 —