本文开头附：Flink 学习路线系列 ^ _ ^

随着5G时代的到来，未来都将会是万物互联，各种各样的设备都会与网络连接起来。未来有无人驾驶、很多的设备都能接入到5G，会有大量的数据产生。
以后这些数据都将需要做实时分析，有人把Flink归类为第三代大数据引擎。第一代：Hadoop、第二代：Spark 。

1.什么是 Flink

Flink官网：https://flink.apache.org/

Apache Flink 是一个分布式大数据处理引擎，可对1.有限数据流和2.无线数据流进行有状态计算。可部署在各种集群环境，对各种大小的数据规模进行快速计算。

Flink图介绍（来自官网）.png

名词解释：

有限数据流：即数据已经产生，数据大小已经确定。数据有限，可以做离线计算；
无限数据流：即数据流一旦产生，不知道什么时候结束。比如：数据实时写入到Kafka。数据无限，可以做实时计算。

1.1.Flink设计初衷

Flink 设计之初，就是为实时计算而设计的。但是因为其计算引擎过于强大，所以也可以做离线计算。它可以部署在各种各样的集群中，比如 Flink自己的 standalone 集群，flink on yarn部署，Flink 还可以跑在K8S上，Flink 还可以跑在各种各样的集群上。Flink为了开发测试比较方便，还可以使用单机模式。可以对各种大小规模的数据进行快速计算。==特点就是：快。==

1.2.Flink历史介绍

早在 2008年，Flink 的前身已经是柏林理工大学一个研究性项目，在 2014 年被 Apache 孵化器所接受，然后迅速成为了 ASF(Apache Software Foundation)的顶级项目之一。
Flink 的商业母公司 Data Artisans，位于柏林，公司成立于 2014年，共获得两轮融资共计 650万欧，该公司旨在为企业提供大规模数据处理解决方案，使企业可以管理和部署实时数据，实时反馈数据，做更快、更精准的商业决策。
目前，ING，Netflix 和 Uber 等企业也都通过 Apache Flink 平台部署大规模分布式应用，如实时数据分析、机器学习、搜索、排序推荐和欺诈风险等。
2019年1月8日，阿里巴巴以9000万欧元收购 Data Artisans 公司。从此以后，Flink 的控制权就掌握在了阿里手中。

1.3.Logo介绍

Flink松鼠Logo.png

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（Apache logo鸡毛掸子和松鼠尾巴相结合），也就是说，这是一只具有 Apache 风格的松鼠。

2.Flink特点

批流统一
支持高吞吐、低延迟、高性能的流处
支持带有事件事件的窗口（Window）操作
支持有状态计算的 Exactly-once 语义
支持高度灵活的窗口（Window）操作，支持基于 time、count、session 窗口操作
支持具有 Backpressure 功能的持续流模型
支持基于轻量级分布式快照（Snapshot）实现的容错
支持迭代计算
Flink 在 JVM内部实现了自己的内存管理
支持程序自动优化：避免特定情况下 Shuffle、排序等昂贵操作，中间结果有必要进行缓存。

3.Flink 与其他框架的对比

框架	优点	缺点
Storm	低延迟	吞吐量第、不能保证 exactly-once、编程 API 不丰富
Spark Streaming	吞吐量高、可以保证 exactly-once、编程 API 丰富	延迟较高
Storm	低延迟、吞吐量高、可以保证 exactly-once、编程API丰富(具有Storm+Spark优势)	快速迭代中，API 变化比较快

Flink与其他框架对比图.png

Spark

Spark 就是为离线计算而设计的，在Spark生态体系中，不论是流处理还是批处理，底层引擎都是Spark Core。Spark Streaming 将微批次小任务不停地提交到 Spark 引擎，从而实现准实时计算，Spark Streaming 只不过是一种特殊的批处理而已。

Spark图示.png

Flink

Flink 就是为实时计算而设计的，Flink 可以同时实现批处理和流处理，Flink 将批处理（即有界数据/离线处理）视作一种特殊的流处理。
Flink 部署，可以使用本地Local模式，也可以使用Cluster集群模式(可以部署 standalone，yarn上，也可以部署在cloud 云上)。

Flink结构图.png

4.Flink 架构体系简介

Flink架构体系图.png

Flink 真正用来做执行操作的，叫做 Worker。进程在不同的环境模式下运行，进程名称不同。如：使用 Standalone集群模式启动，JobManager 叫做 StandaloneSessionClusterEntrypoint，TaskManager叫做 TaskManagerRunner,使用 yarn 集群启动，进程名称又会有所不同。

JobManager介绍：

也称之为 Master，用于协调分布式执行，它用来调度 Task，协调检查点，协调失败时恢复等。Flink 运行时至少存在一个 Master，如果配置高可用模式则会存在多个 Master，他们其中有一个是 Leader，而其他的都是 Standby。

TaskManager介绍：

也称之为 Worker，用于执行一个 dataflow 的 Task、数据缓冲和 Data Stream 的数据交换，Flink 运行时至少会存在一个 TaskManager。JobManager 和 TaskManager 可以直接运行在物理机上，或者运行在 yarn 这样的资源调度框架。TaskManager 通过网络连接到JobManager，通过 RPC 通信告知自身的可用性进而获得任务分配。

Flink架构流程介绍：

用于工作的叫做 TaskManager（又叫：Worker）。TaskManager 里面以后运行着Task（又叫：subTask）。TaskSlot 中就会运行着真正计算的任务 Task。

TaskManager 相当于用来给 Task 提供执行环境。JobManager相当于是主节点，TaskManager相当于是从节点。JobManager用来负责管理，==TaskManager用来负责执行具体的Task，他们之间也要通过网络进行RPC通信。RPC通信，底层使用的是Akka。== 我们还会用到一个客户端。这个客户端用来提交任务(左图中的Client)。

客户端提交任务，首先会与 JobManager 进行通信。我们在本地写程序。程序中会构建成一个类似于 Spark 的 DAG(Flink 中叫做Dataflow graph)，将 Dataflow graph 提交到 JobManager。JobManager 会把这个Dataflow graph 切分成多个 Task。将 Task 调度到TaskManager中进行执行。(和Spark很相似)

使用客户端提交任务，①可以通过命令来提交 ②也可以通过 Web 页面提交。

5.Sprak 和 Flink角色对比

含义	Spark	Flink
离散流	DStream	DataStream
算子	Transformation	Transformation
Action类算子(xxxx预留)	Action	Sink
任务	Task	SubTask
流水线	Pipeline	Oprator chains
有向无环图(Directed Acyclic Graph)	DAG	DataFlow Graph
xxxx预留	Master + Driver	JobManager
xxxx预留	Worker+ Executor	TaskManager

博主写作不易，来个关注呗

求关注、求点赞，加个关注不迷路ヾ(◍°∇°◍)ﾉﾞ

博主不能保证写的所有知识点都正确，但是能保证纯手敲，错误也请指出，望轻喷 Thanks♪(･ω･)ﾉ

Flink介绍