#概念
Flink: 是一個框架和分佈式處理引擎，用於對無界和有界數據流進行狀態計算
#應用場景：
爲什麼選擇Flink
流數據更真實地反映了我們的生活方式
傳統的數據架構是基於有限數據集的
低延遲、高吞吐、結果的準確性和良好的容錯性
行業：
電商和市場營銷：數據報表、廣告投放、業務流程需要
物聯網：傳感器實時數據採集和顯示、實時報警、交通運輸業
電信業：基站流量調配
銀行和金融業：實時結算和通知推送，實時檢測異常行爲
#對比傳統數據處理架構
傳統數據處理架構
事務處理
分析處理
將數據從業務數據庫複製到數倉，再進行分析和查詢
有狀態的流式處理
#流處理的演變
lambda架構
用兩套系統，同時保證低延遲和結果準確
#Flink的主要特點
事件驅動
基於流的世界觀
在Flink的世界觀中，一切都是由流組成的，離線數據時有界的流；
實時數據時一個沒有界限的流：這就是所謂的有界流和無界流
分層API
越頂層越抽象，表達含義越簡明，使用越方便
越底層越具體，表達能力越豐富，使用越靈活
Flink的其他特點
支持事件時間（event-time）和處理時間（processing-time）語義
精確一次（exactly-once）的狀態一致性保證
低延遲，每秒處理數百萬個事件，毫秒級延遲
與衆多常用存儲系統的連接
高可用，動態擴展，實現7*24小時全天候運行
Flink Vs Spark Streaming
流（Stream）和微批（micro-batching）
數據模型
spark採用RDD模型，spark streaming的DStream實際上也就是一組組小批數據的RDD的集合
flink基本數據模型是數據流，以及事件(event)序列
運行時架構
spark是批計算，將DAG劃分爲不同的stage，一個完成後纔可以計算下一個
flink是標準的流執行模式，一個事件在一個節點處理完後可以直接發往下一個節點進行處理
附思維導圖：
