#概念
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状态计算
#应用场景：
为什么选择Flink
流数据更真实地反映了我们的生活方式
传统的数据架构是基于有限数据集的
低延迟、高吞吐、结果的准确性和良好的容错性
行业：
电商和市场营销：数据报表、广告投放、业务流程需要
物联网：传感器实时数据采集和显示、实时报警、交通运输业
电信业：基站流量调配
银行和金融业：实时结算和通知推送，实时检测异常行为
#对比传统数据处理架构
传统数据处理架构
事务处理
分析处理
将数据从业务数据库复制到数仓，再进行分析和查询
有状态的流式处理
#流处理的演变
lambda架构
用两套系统，同时保证低延迟和结果准确
#Flink的主要特点
事件驱动
基于流的世界观
在Flink的世界观中，一切都是由流组成的，离线数据时有界的流；
实时数据时一个没有界限的流：这就是所谓的有界流和无界流
分层API
越顶层越抽象，表达含义越简明，使用越方便
越底层越具体，表达能力越丰富，使用越灵活
Flink的其他特点
支持事件时间（event-time）和处理时间（processing-time）语义
精确一次（exactly-once）的状态一致性保证
低延迟，每秒处理数百万个事件，毫秒级延迟
与众多常用存储系统的连接
高可用，动态扩展，实现7*24小时全天候运行
Flink Vs Spark Streaming
流（Stream）和微批（micro-batching）
数据模型
spark采用RDD模型，spark streaming的DStream实际上也就是一组组小批数据的RDD的集合
flink基本数据模型是数据流，以及事件(event)序列
运行时架构
spark是批计算，将DAG划分为不同的stage，一个完成后才可以计算下一个
flink是标准的流执行模式，一个事件在一个节点处理完后可以直接发往下一个节点进行处理
附思维导图：
