數據分類
有界數據，無界數據，其實沒有必要，分爲流數據和靜態數據還差不多。
Flink 編程接口
高級語言：SQL
聲明式API Table API
核心API DataStream/DateSet API
低級構建模塊 Stateful Stream Processing
Flink程序結構
第一步是獲取ENV，StreamExecutionEnvironment是流式環境，而ExecutionEnvironment是批處理環境。
有三種獲取env的方式，以StreamExecutionEnvironment爲例：
// 根據具體的情況，如果是在本地運行則啓動本地環境，如果是在集羣上則是集羣環境
val env = StreamExecutionEnviroment.getExecutionEnviroment
// 指定並行度創建本地環境
val env = StreamExecutionEnvironment.createLocalEnviroment(5)
// 指定遠程的JobManagerIP 和 RPC 端口以及運行程序所在jar包以及其他依賴包
val env = StreamExecutionEnvironment.createRemoteEnvironment("填寫具體的Jobmanager的IP或者Host",6021,5,"填寫jar包路徑")
第二步是初始化數據
將數據轉換爲DataSet 或者 DataStream 數據結構。
第三步是執行Transformation操作
Flink中的Transformation操作都是通過不同的Operator來實現的，每個Operator內部通過實現Function接口完成數據處理邏輯的定義。
DataStream 和 DataSet API提供了大量的轉換算子。
Flink中提供了大量的函數供用戶使用，用戶可以繼承這些函數以實現自定義邏輯。
（1）可以通過創建新的Class繼承Function接口。
（2）可以創建匿名類實現Function接口。
也可以實現RichFunction，RichFunction接口提供的更加豐富的方法來獲取狀態、緩存等信息。
第四步，指定分區key。
分區Key的指定方式：
（1）根據字段的索引位置確定，直接填寫可索引的數據結構的索引標號。
（2）根據字段名稱指定。用字符串格式的字段索引語法即可。
（3）傳入覆蓋getKey方法的KeySelector。
第五步，輸出結果。
writeAsText
print
Connector
第六步，程序觸發。
對於Streaming的程序需要顯示調用
env.execute("App Name")
Flink 數據類型
相比Hadoop中所有的數據類型都需要事先Writable接口，Flink通過類型推斷，支持了大部分的數據類型。最基類是TypeInformation類。
（1）BaseTypeInfo 數據類型，支持Java基本數據類型的裝箱。
（2）BasicArrayTypeInfo 實現對 Java 的Array和List的推斷。
（3）TupleTypeInfo 實現了對Tuple類型的推斷。
（4）CaseClassTypeInfo實現了對scala case class 的支持，支持的字段數量是22個，支持字段名和位置索引，不支持存儲空值（null）。
（5）PojoTypeInfo實現了對Java POJO的支持，POJO類中必須有默認空值構造器，所有的Fields必須都是public或者有getter和setter方法，字段類型必須是Flink支持的數據類型。
（6）其他特殊數據類型，例如Scala中的List，Map，Either，Option，Try，以及Hadoop中的Writable。
（7）用戶還可以自定義TypeInfomation。