2.1 Apache Flink 基本架构

JobManager与TaskManager

Flink运行时包含了两种类型的处理器：

JobManager处理器：也称之为Master，用于协调分布式执行，它们用来调度task，协调检查点，协调失败时恢复等。Flink运行时至少存在一个master处理器，若是配置高可用模式则会存在多个master处理器，它们其中有一个是leader，而其余的都是standby。

TaskManager处理器：也称之为Worker，用于执行一个dataflow的task(或者特殊的subtask)、数据缓冲和data stream的交换，Flink运行时至少会存在一个worker处理器。

Master和Worker处理器能够直接在物理机上启动，或者经过像YARN这样的资源调度框架。

Worker链接到Master，告知自身的可用性进而得到任务分配。

无界数据流与有界数据流

Flink用于处理有界和无界数据：

无界数据流：无界数据流有一个开始可是没有结束，它们不会在生成时终止并提供数据，必须连续处理无界流，也就是说必须在获取后当即处理event。对于无界数据流咱们没法等待全部数据都到达，由于输入是无界的，而且在任什么时候间点都不会完成。处理无界数据一般要求以特定顺序（例如事件发生的顺序）获取event，以便可以推断结果完整性。

有界数据流：有界数据流有明肯定义的开始和结束，能够在执行任何计算以前经过获取全部数据来处理有界流，处理有界流不须要有序获取，由于能够始终对有界数据集进行排序，有界流的处理也称为批处理。

Apache Flink是一个面向分布式数据流处理和批量数据处理的开源计算平台，它可以基于同一个Flink运行时(Flink Runtime)，提供支持流处理和批处理两种类型应用的功能。现有的开源计算方案，会把流处理和批处理做为两种不一样的应用类型，由于它们要实现的目标是彻底不相同的：流处理通常须要支持低延迟、Exactly-once保证，而批处理须要支持高吞吐、高效处理，因此在实现的时候一般是分别给出两套实现方法，或者经过一个独立的开源框架来实现其中每一种处理方案。例如，实现批处理的开源方案有MapReduce、Tez、Crunch、Spark，实现流处理的开源方案有Samza、Storm。

Flink在实现流处理和批处理时，与传统的一些方案彻底不一样，它从另外一个视角看待流处理和批处理，将两者统一块儿来：Flink是彻底支持流处理，也就是说做为流处理看待时输入数据流是无界的；批处理被做为一种特殊的流处理，只是它的输入数据流被定义为有界的。基于同一个Flink运行时(Flink Runtime)，分别提供了流处理和批处理API，而这两种API也是实现上层面向流处理、批处理类型应用框架的基础。

数据流编程模型

Flink提供了不一样级别的抽象，以开发流或批处理做业，以下图所示：

最底层级的抽象仅仅提供了有状态流，它将经过过程函数（Process Function）被嵌入到DataStream API中。底层过程函数（Process Function） 与 DataStream API 相集成，使其能够对某些特定的操做进行底层的抽象，它容许用户能够自由地处理来自一个或多个数据流的事件，并使用一致的容错的状态。除此以外，用户能够注册事件时间并处理时间回调，从而使程序能够处理复杂的计算。

实际上，大多数应用并不须要上述的底层抽象，而是针对核心API（Core APIs） 进行编程，好比DataStream API（有界或无界流数据）以及DataSet API（有界数据集）。这些API为数据处理提供了通用的构建模块，好比由用户定义的多种形式的转换（transformations），链接（joins），聚合（aggregations），窗口操做（windows）等等。DataSet API 为有界数据集提供了额外的支持，例如循环与迭代。这些API处理的数据类型以类（classes）的形式由各自的编程语言所表示。

Table API 是以表为中心的声明式编程，其中表可能会动态变化（在表达流数据时）。Table API遵循（扩展的）关系模型：表有二维数据结构（schema）（相似于关系数据库中的表），同时API提供可比较的操做，例如select、project、join、group-by、aggregate等。Table API程序声明式地定义了什么逻辑操做应该执行，而不是准确地肯定这些操做代码的看上去如何 。 尽管Table API能够经过多种类型的用户自定义函数（UDF）进行扩展，其仍不如核心API更具表达能力，可是使用起来却更加简洁（代码量更少）。除此以外，Table API程序在执行以前会通过内置优化器进行优化。

你能够在表与 DataStream/DataSet 之间无缝切换，以容许程序将 Table API 与 DataStream 以及 DataSet 混合使用。

Flink提供的最高层级的抽象是 SQL 。这一层抽象在语法与表达能力上与 Table API 相似，可是是以SQL查询表达式的形式表现程序。SQL抽象与Table API交互密切，同时SQL查询能够直接在Table API定义的表上执行。