flink概述

作为实时领域对飙spark的存在，flink现在已经得到广泛的使用了，既然能得到业界任何和使用，肯定有其过人之处，之后工作中也有可能会用到，了解一下总是没错的。

什么是flink

Flink核心是一个流式的数据流执行引擎，提供各种API，如Java、Scala和Python，同事支持类似SQL的操作。

为什么选flink

数据传输方式

首先需要了解两个概念：
1.流处理：当一条数据被处理完成后，序列化到缓存中，然后立刻通过网络传输到下一个节点，由下一个节点继续处理；
2.批处理：当一条数据被处理完成后，序列化到缓存中，并不会立刻通过网络传输到下一个节点，当缓存写满，就持久化到本地硬盘上，当所有数据都被处理完成后，才开始将处理后的数据通过网络传输到下一个节点。

故流处理的优势是低延迟，批处理的优势是高吞吐，而flink可以通过调整缓存块的超时阈值，灵活地权衡系统延迟和吞吐量。

作业流程

flink作业提交流程：

其中：

Program Code：我们编写的 Flink 应用程序代码；

Job Client：Job Client 不是 Flink 程序执行的内部部分，但它是任务执行的起点。 负责接受用户的程序代码，然后创建数据流，将数据流提交给 Job Manager。 执行完成后，将结果返回给用户；

Job Manager：主进程（也称为作业管理器）协调和管理程序的执行。 主要职责包括安排任务，管理checkpoint ，故障恢复等。机器集群中至少要有一个 master，master 负责调度 task，协调 checkpoints 和容灾，高可用设置的话可以有多个 master，但要保证一个是 l