flink框架优势
在分布式计算框架中，需要处理分散在多台机器上的海量数据，对于大数据开发人员面临最大的挑战就是代码的编写、部署、调度、容错等。Flink在实时计算方面，提供流一个抽象的集即DataStream / DataSet，开发者只要调用统一的编程API，传入具体的计算逻辑，不必太多关心底层的细节，就可以完成各种复杂的计算了，并且可以实现快速部署、资源调度、任务容错等，大大的提高了开发效率。
编程模型
需要创建任务运行环境 StreamExecutionEnvironment，后续所有的计算拓扑都是需要基于这个环境来添加变换的。
有了环境之后就需要有需要计算的数据集合了： 调用相应的Source算子创建原始的DataStream，Source算子可以支持有限数据源（文件，数据库表），也可以支持无限数据源（kafka，session ，mq）。
之后就可以对数据源读到的数据一条一条的做转换清洗了： 调用零到多次Transformation（转换算子），每调用一次Transformation都会生成一个新的DataStream。 这些转换包含（map，reduce，window，etc.）。
最后将转换好的数据落盘：调用Sink算子创建需要写入的地方（外部存储，标准输出等）。
上面的过程结束后程序就形成一个Data Flow Graph（数据流图）。
由于flink是懒加载的一个框架， 我们还需要调用刚开始创建的运行环境StreamExecutionEnvironment的execute方法，这样启动之后就会把这个数据流图提交给JobManager，经过优化后生成包含有具体计算逻辑的Task实例，然后调度到TaskManager的slot中开始计算。
编程模型.png
