What Apache Flink

Apache Flink 是一個==分布式大數據處理引擎==，可對==有限數據流和無限數據流==進行==有狀態計算==。可部署在==各種集群環境==，對各種大小的數據規模進行快速計算。

分布式大數據處理引擎

• 是一個分布式的、高可用的用于大數據處理的計算引擎

  有限流和無限流

• 有限流：有始有終的數據流。即傳統意義上的批數據，進行批處理

• 無限流：有始無終的數據流。即現實生活中的流數據，進行流處理

  有狀態計算

• 良好的狀態機制，進行較好的容錯處理和任務恢復。同時實現 Exactly-Once 語義。

  各種集群環境

• 可部署standalone、Flink on yarn、Flink on Mesos、Flink on k8s等等

Flink Application

Streams

數據在真實世界中是不停產生不停發出的，所以數據處理也應該還原真實，做到真正的流處理。而批處理則是流處理的特殊情況

• 即上面說的有限流和無限流，貼官網圖說明。
  

State

在流計算場景中，其實所有流計算本質上都是增量計算（Incremental Processing）。
例如，計算前幾個小時或者一直以來的某個指標（PV、UV等），計算完一條數據之后需要保存其計算結果即狀態，以便和下一條計算結果合并。
另外，保留計算狀態，進行 CheckPoint 可以很好地實現流計算的容錯和任務恢復，也可以實現Exactly Once處理語義

Time

三類時間：

• Event Time：事件真實產生的時間
• Processing Time：事件被 Flink 程序處理的時間
• Ingestion Time：事件進入到 Flink 程序的時間

API

API分三層，越接近SQL層，越抽象，靈活性越低，但更簡單易用。

• SQL/Table層：直接使用SQL進行數據處理
• DataStream/DataSet API：最核心的API，對流數據進行處理，可在其上實現自定義的WaterMark、Windows、State等操作
• ProcessFunction：也叫RunTime層，最底層的API，帶狀態的事件驅動。
  

Flink Architecture

Data Pipeline Applications

即 real-time Stream ETL：流式ETL拆分。
通常，ETL都是通過定時任務調度SQL文件或者MR任務來執行的。在實時ETL場景中，將批量ETL邏輯寫到流處理中，分散計算壓力和提高計算結果的實時性。
多用于實時數倉、實時搜索引擎等

Data Analytics Applications

即數據分析，包括流式數據分析和批量數據分析。例如實時報表、實時大屏。

Event-driven Applications

即事件驅動應用，在一個有狀態的計算過程中，通常情況下都是將狀態保存在第三方系統（如Hbase Redis等）中。
而在Flink中，狀態是保存在內部程序中，減少了狀態存取的不必要的I/O開銷，更大吞吐量和更低延時。

第一個 Flink 程序

開發環境要求

主要是Java環境和Maven環境。Java要求JDK1.8，Maven要求3.0以上，開發工具推薦使用 ItelliJ IDEA，社區說法：Eclipse在Java和Scala混合編程下有問題，故不推薦。

代碼示例：

package source.streamDataSource;      import org.apache.flink.api.common.functions.FlatMapFunction;  import org.apache.flink.api.java.tuple.Tuple2;  import org.apache.flink.streaming.api.TimeCharacteristic;  import org.apache.flink.streaming.api.datastream.DataStream;  import org.apache.flink.streaming.api.datastream.DataStreamSource;  import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;  import org.apache.flink.streaming.api.windowing.time.Time;  import org.apache.flink.util.Collector;      public class SocketWindowWordCount {            public static void main(String[] args) throws Exception{            if(args.length!=2){              System.err.println("Usage:nSocketWindowWordCount hostname port");          }            // 獲取程序參數          String hostname = args[0];          int port = Integer.parseInt(args[1]);            // 入口類，用于設置環境和參數等          StreamExecutionEnvironment see = StreamExecutionEnvironment.getExecutionEnvironment();                    // 設置 Time 類型          see.setStreamTimeCharacteristic(TimeCharacteristic.ProcessingTime);            // 從指定 IP 端口 讀取流數據，返回一個 DataStreamSource          DataStreamSource<String> text = see.socketTextStream(hostname, port, "n", 5);            // 在 DataStreamSource 上做操作即 transformation           DataStream<Tuple2<String, Integer>> windowCount = text                  // flatMap , FlatMap接口的實現：將獲取到的數據分割，并每個元素組合成 (word, count)形式                  .flatMap(new FlatMapFunction<String, Tuple2<String, Integer>>() {              @Override              public void flatMap(String value, Collector<Tuple2<String, Integer>> collector) throws Exception {                  for (String word : value.split("\s")) {                      collector.collect(Tuple2.of(word, 1));                  }              }          })                  // 按位置指定key，進行聚合操作                  .keyBy(0)                  // 指定窗口大小                  .timeWindow(Time.seconds(5))                  // 在每個key上做sum                  // reduce 和 sum 的實現  //                .reduce(new ReduceFunction<Tuple2<String, Integer>>() {  //                    @Override  //                    public Tuple2<String, Integer> reduce(Tuple2<String, Integer> stringIntegerTuple2, Tuple2<String, Integer> t1) throws Exception {  //                        return Tuple2.of(stringIntegerTuple2.f0, stringIntegerTuple2.f1+t1.f1);  //                    }  //                });                  .sum(1);            // 一個線程執行          windowCount.print().setParallelism(1);          see.execute("Socket Window WordCount");            // 其他 transformation 操作示例  //        windowCount  //                .map(new MapFunction<Tuple2<String,Integer>, String>() {  //                    @Override  //                    public String map(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {  //                        return stringIntegerTuple2.f0;  //                    }  //                })  //                .print();  //  //        text.filter(new FilterFunction<String>() {  //            @Override  //            public boolean filter(String s) throws Exception {  //                return s.contains("h");  //            }  //        })  //                .print();  //  //        SplitStream<String> split = text.split(new OutputSelector<String>() {  //            @Override  //            public Iterable<String> select(String value) {  //                ArrayList<String> strings = new ArrayList<>();  //                if (value.contains("h"))  //                    strings.add("Hadoop");  //                else  //                    strings.add("noHadoop");  //                return strings;  //  //            }  //        });  //  //        split.select("hadoop").print();  //        split.select("noHadoop").map(new MapFunction<String, String>() {  //            @Override  //            public String map(String s) throws Exception {  //  //                return s.toUpperCase();  //            }  //        }).print();        }  }