目錄
Flink 根據數據集類型的不同將核心數據處理接口分爲兩大類，一類是支持批計算的接口DataSet API，另外一類是支持流計算的接口 DataStream API。同時 Flink將數據處理接口抽象成四層，由上向下分別爲SQL API、Table API、DataStream /DataSet API以及Stateful Stream Processing API，用戶可以根據需要選擇任意一層抽象接口來開發Flink應用。
Flink SQL
從下圖中可以看出，Flink提供了統一的SQL API完成對批計算和流計算的處理，目前SQL API也是社區重點發展的接口層，對SQL API也正在逐步完善中，其主要因爲SQL語言具有比較低的學習成本，能夠讓數據分析人員和開發人員更快速地上手，幫助其更加專注於業務本身而不是受限於複雜的編程接口。而且在後期版本升級等底層架構發生變化時，能夠自如應對，無需修改。
Table API
Table API將內存中的 DataStream和 DataSet數據集在原有的基礎之上增加 Schema信息，將數據類型統一抽象成表結構，然後通過Table API提供的接口處理對應的數據集。SQL API則可以直接查詢 Table API中註冊表中的數據表。Table API構建在DataStream和 DataSet之上的同時，提供了大量面向領域語言的編程接口，例如 GroupByKey、Join等操作符，提供給用戶一種更加友好的處理數據集的方式。除此之外，Table API在轉換爲 DataStream和 DataSet的數據處理過程中，也應用了大量的優化規則對處理邏輯進行了優化。同時 Table API中的 Table可以和 DataStream 及 DataSet之間進行相互轉換。
DataStream API 和 DataSet API
DataStream API 和 DataSet API主要面向具有開發經驗的用戶，用戶可以使用DataStream API處理無界流數據，使用DataSet API處理批量數據。DataStream API和 DataSet API接口同時提供了各種數據處理接口，例如 map，filter、oins、aggregations、window等方法，同時每種接口都支持了Java、Scala及 Python等多種開發語言的SDK。
Stateful Stream Process API
Stateful Stream Process API是 Flink中處理 Stateful Stream最底層的接口，通過 process function 嵌入到 DataStream API 中。用戶可以使用 Stateful Stream Process 接口操作狀態、時間等底層數據。使用Stream Process API接口開發應用的靈活性非常強，可以實現非常複雜的流式計算邏輯，但是相對用戶使用成本也比較高。實際中，大多數應用程序並不需要最底層的stateful streaming，一般企業在使用 Flink進行二次開發或深度封裝的時候會用到這層接口。