Flink的概念及特點(diǎn)是什么，針對(duì)這個(gè)問(wèn)題，這篇文章詳細(xì)介紹了相對(duì)應(yīng)的分析和解答，希望可以幫助更多想解決這個(gè)問(wèn)題的小伙伴找到更簡(jiǎn)單易行的方法。

公司主營(yíng)業(yè)務(wù)：網(wǎng)站設(shè)計(jì)制作、成都做網(wǎng)站、移動(dòng)網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實(shí)現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競(jìng)爭(zhēng)能力。創(chuàng)新互聯(lián)建站是一支青春激揚(yáng)、勤奮敬業(yè)、活力青春激揚(yáng)、勤奮敬業(yè)、活力澎湃、和諧高效的團(tuán)隊(duì)。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對(duì)我們的高要求，感謝他們從不同領(lǐng)域給我們帶來(lái)的挑戰(zhàn)，讓我們激情的團(tuán)隊(duì)有機(jī)會(huì)用頭腦與智慧不斷的給客戶帶來(lái)驚喜。創(chuàng)新互聯(lián)建站推出鳳泉免費(fèi)做網(wǎng)站回饋大家。

Flink概念

ApacheFlink是一個(gè)面向分布式數(shù)據(jù)流處理和批量數(shù)據(jù)處理的開源計(jì)算平臺(tái)，它能夠基于同一個(gè)Flink運(yùn)行時(shí)，提供支持流處理和批處理兩種類型應(yīng)用的功能。

現(xiàn)有的開源計(jì)算方案，會(huì)把流處理和批處理作為兩種不同的應(yīng)用類型，因?yàn)樗鼈兯峁┑腟LA（Service-Level-Aggreement）是完全不相同的：流處理一般需要支持低延遲、Exactly-once保證，而批處理需要支持高吞吐、高效處理。

Flink從另一個(gè)視角看待流處理和批處理，將二者統(tǒng)一起來(lái)：Flink是完全支持流處理，也就是說(shuō)作為流處理看待時(shí)輸入數(shù)據(jù)流是無(wú)界的；批處理被作為一種特殊的流處理，只是它的輸入數(shù)據(jù)流被定義為有界的。

Flink特點(diǎn)

Apache Flink是一個(gè)面向分布式數(shù)據(jù)流處理和批量數(shù)據(jù)處理的開源計(jì)算平臺(tái)，它能夠基于同一個(gè)Flink運(yùn)行時(shí)，提供支持流處理和批處理兩種類型應(yīng)用的功能。

現(xiàn)有的開源計(jì)算方案，會(huì)把流處理和批處理作為兩種不同的應(yīng)用類型，因?yàn)樗鼈兯峁┑腟LA（Service-Level-Aggreement）是完全不相同的：流處理一般需要支持低延遲、Exactly-once保證，而批處理需要支持高吞吐、高效處理。

Flink從另一個(gè)視角看待流處理和批處理，將二者統(tǒng)一起來(lái)：Flink是完全支持流處理，也就是說(shuō)作為流處理看待時(shí)輸入數(shù)據(jù)流是無(wú)界的；批處理被作為一種特殊的流處理，只是它的輸入數(shù)據(jù)流被定義為有界的。

Flink技術(shù)棧

Flink首先支持Local的執(zhí)行環(huán)境，所有模塊組件都可以運(yùn)行在同一個(gè)JVM進(jìn)程中，主要是方便開發(fā)調(diào)試，使用者在開發(fā)Flink應(yīng)用時(shí)可以在IDE環(huán)境中方便的本地運(yùn)行或是設(shè)置斷點(diǎn)進(jìn)行代碼調(diào)試。此外Flink支持Standalone模式進(jìn)行分布式部署，F(xiàn)link的JobManager和TaskManager可以部署在多臺(tái)節(jié)點(diǎn)上，組成一個(gè)集群，管理集群資源，執(zhí)行分布式任務(wù)。同時(shí)Flink也可以委托YARN進(jìn)行資源管理，F(xiàn)link的Job通過(guò)YARN申請(qǐng)資源。最后，F(xiàn)link也支持Google和Amazon的公有云平臺(tái)，F(xiàn)link的Job可以直接提交到公有云上執(zhí)行。用戶開發(fā)的同一個(gè)Flink業(yè)務(wù)邏輯，無(wú)需任何修改，可隨時(shí)遷移到不同的執(zhí)行環(huán)境執(zhí)行。

Flink架構(gòu)

Client負(fù)責(zé)提交Flink作業(yè)，首先將用戶的Flink Job翻譯并優(yōu)化成圖狀的Dataflow，并提交給JobManager，JobManager將Flink DataFlow切分成分布式task，并按照集群的資源配置調(diào)度task，將task分發(fā)到TaskManger執(zhí)行。TaskManager可能有多個(gè)，執(zhí)行具體的task，且負(fù)責(zé)task與task之間的數(shù)據(jù)傳輸。不同于MapReduce，F(xiàn)link的TaskManger類似于Spark的Executor，task以線程而非進(jìn)程的粒度在TaskManager中執(zhí)行。在Standalone模式下，JobManger和TaskManager負(fù)責(zé)資源的管理，而在YARN模式下，JobManager相當(dāng)于ApplicationMaster, 而TaskManger相當(dāng)于Executor。只是負(fù)責(zé)task的調(diào)度與執(zhí)行。

Flink編程模型

最底層級(jí)的抽象僅僅提供了有狀態(tài)流。實(shí)際上，大多數(shù)應(yīng)用并不需要上述的底層抽象，而是針對(duì) 核心API（Core APIs） 進(jìn)行編程，比如DataStream API（有界或無(wú)界流數(shù)據(jù)）以及DataSet API（有界數(shù)據(jù)集）Table API 是以 表 為中心的聲明式DSL，其中表可能會(huì)動(dòng)態(tài)變化（在表達(dá)流數(shù)據(jù)時(shí)）。

Flink程序執(zhí)行過(guò)程

Client負(fù)責(zé)提交Flink作業(yè)，首先將用戶的Flink Job翻譯并優(yōu)化成圖狀的Dataflow，并提交給JobManager，JobManager將Flink DataFlow切分成分布式task，并按照集群的資源配置調(diào)度task，將task分發(fā)到TaskManger執(zhí)行。TaskManager可能有多個(gè)，執(zhí)行具體的task，且負(fù)責(zé)task與task之間的數(shù)據(jù)傳輸。不同于MapReduce，F(xiàn)link的TaskManger類似于Spark的Executor，task以線程而非進(jìn)程的粒度在TaskManager中執(zhí)行。在Standalone模式下，JobManger和TaskManager負(fù)責(zé)資源的管理，而在YARN模式下，JobManager相當(dāng)于ApplicationMaster, 而TaskManger相當(dāng)于Executor。只是負(fù)責(zé)task的調(diào)度與執(zhí)行

關(guān)于Flink的概念及特點(diǎn)是什么問(wèn)題的解答就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道了解更多相關(guān)知識(shí)。

名稱欄目：Flink的概念及特點(diǎn)是什么
標(biāo)題來(lái)源：http://chinadenli.net/article28/ggpgjp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信公眾號(hào)、云服務(wù)器、網(wǎng)站營(yíng)銷、網(wǎng)站策劃、響應(yīng)式網(wǎng)站、電子商務(wù)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)