BigData-21：Flink

Flink概述

官网：http://flink.apache.org/
mapreduce->maxcumpute
hbase->部门
quickBI
DataV
Hive->高德地图
storm->Jstorm
…
2019年1月 阿里正式开源flink->blink
Apache Flink是一个框架和分布式处理引擎，用于对*和有界数据流进行有状态计算。Flink设
计为在所有常见的集群环境中运行，以内存速度和任何规模执行计算。

大数据计算框架

Flink特点

1)mapreduce
2)storm
3)spark

适用于所有企业，不同企业有不同的业务场景。处理数据量，模型都不一样。
1)随处部署应用
与其它组件集成！
flink是分布式系统，需要计算资源才可执行程序。flink可以与常见的集群资源管理器进行集成(Hadoop Yarn,Apache Mesos…)。

可以单独作为独立集群运行。

通过不同部署模式实现。

这些模式允许flink以其惯有的方式进行交互。
当我们部署flink应用程序时，Flink会根据应用程序配置的并行性自动识别所需资源。从资源管理
器中请求它们。
如果发生故障，flink会请求新的资源来替换发生故障的容器。
提交或控制程序都通过REST调用进行，简化Flink在许多环境的集成。孵化…

2)以任何比例应用程序（小集群、无限集群）
Flink旨在以任何规模运行有状态流应用程序。应用程序可以并行化在集群中分布和同时执行程序。
因此，我们的应用集群可以利用无限的cpu和磁盘与网络IO。
Flink可以轻松的维护非常大的应用程序状态。

用户可拓展性报告：
1）应用程序每天可以处理万亿个事件
2）应用程序每天可以维护多个TB的状态
3）应用程序可以在数千个内核运行
3）利用内存中的性能有状态Flink应用程序针对于对本地状态访问进行了优化。任务状态始终的保留在内存中，或者如果大小超过了可用内存，则保存在访问高效的磁盘数据结构中(SSD 机械/固态)。

任务可以通过访问本地来执行所有计算。从来产生极小的延迟。
Flink定期和异步检查本地状态持久存储来保持出现故障时一次状态的一致性。

有界*

1）*
有开始，没有结束…
处理实时数据。
2）有界
有开始，有结束…
处理批量数据。

*数据集应用场景（实时计算）

1）源源不断的日志数据
2）web应用，指标分析
3）移动设备终端(分析app状况)
4）应用在任何数据源不断产生的项目中

Flink运行模型

1）流计算
数据源源不断产生，我们的需求是源源不断的处理。程序需要一直保持在计算的状态。
2）批处理
计算一段完整的数据集，计算成功后释放资源，那么此时工作结束。

Flink的使用

1）处理结果准确：无论是有序数据还是延迟到达的数据。
2）容错机制：
有状态：保持每次的结果往下传递，实现累加。DAG（有向无环图）。
3）有很强大的吞吐量和低延迟。
计算速度快，吞吐量处理的量级大。
4）精准的维护一次的应用状态。
storm:会发生要么多计算一次，要么漏计算。
5）支持大规模的计算
可以运行在数千台节点上。
6）支持流处理和窗口化操作
7）版本化处理
8）检查点机制实现精准的一次性计算保证
checkpoint
9)支持yarn与mesos资源管理器

flink单节点安装部署

1）下载安装包
2）上传
3）解压
tar -zxvf .tar
4)启动
bin/start-cluster.sh
5)访问ui界面
http://192.168.50.183:8081