2021年大数据技术之Flink.pdfVIP

2021年大数据技术之Flink--第1页 大数据技术之 Flink 第一章 Flink 简介 1 初识 Flink Flink 起源于 Stratosphere 项目，Stratosphere 是在 21~214 年由 3 所地处柏林的大学和欧洲 的一些其他的大学共同进行的研究项目，214 年 4 月 Stratosphere 的代码被复制 并捐赠给了 Apache 软件基金会，参加这个孵化项目的初始成员是 Stratosphere 系统的核心开发人员，214 年 12 月，Flink 一跃成为 Apache 软件基金会的顶级项 目。 在德语中，Flink 一词表示快速和灵巧，项目采用一只松鼠的彩色图案作为 logo，这不仅是因为松鼠具有快速和灵巧的特点，还因为柏林的松鼠有一种迷人 的红棕色，而Flink 的松鼠 logo 拥有可爱的尾巴，尾巴的颜色与 Apache 软件基 金会的 logo 颜色相呼应，也就是说，这是一只Apache 风格的松鼠。 Flink Logo Flink项目的理念是“Apache Flink 是为分布式、高性能、随时 可用以及准确的流处理应用程序打造的开源流处理框架”。 Apache Flink 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 有状态计算。Flink 被设计在所有常见的集群环境中运行，以内存执行速度和任 意规模来执行计算。 2 Flink 的重要特点 1 事件驱动型(Event-driven) 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。 与之不同的就是 SparkStreaming 微批次，如图 事件驱动型 2 流与批的世界观 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。 而在 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。 无界数据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 提供数据，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 1 2021年大数据技术之Flink--第1页 2021年大数据技术之Flink--第2页 event，以便能够推断结果完整性。 有界数据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前 通过获取所有数据来处理有界流，处理有界流不需要有序获取，因为可以始终对 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。 3 分层 api 最底层级的抽