二、Flink入门--名词概念解释

1.什么是Flink?

Apache Flink is a framework and distributed processing engine for stateful computations over unbounded and bounded data streams. 

Apache Flink是一个分布式处理引擎的框架，用对“有界数据“ 和“无界数据”流进行状态计算

1.1有界流和无界流怎么理解？

• Unbounded streams ：have a start but no defined end.
• Bounded ：streams have a defined start and end.
  
  简单的来说，无界流就是有开始，没有结束。有界流就是有开始，也有结束

1.2 有状态流式处理怎么理解？

传统流计算处理方式：
以时间划分，划分成一个一个批次，用批次运算引擎spark或mr去处理。但是举个例子：

• a. 要实现每一个小时事件A->事件B conversion出现的次数
• b. 而且假设A发生在3点59分，B发生在4点01分
• c .先接受到B，在接收到A

那么上述的情况如何处理呢?
上述情况下就需要有一个中间状态保存中间计算结果，而且累积的状态会影响结果的产出。这就是我所理解的状态计算。

综上总结下状态流计算的特点：

• a.有办法累积和维护大量的状态
• b.有办法依据时间决定所有的数据都接收完毕才产生结果，可以产出精准的result

2.Flink对状态计算的处理

2.1 状态容错(State Fault Tolerance)

如何确保状态拥有exactly-once guarantee的容错保证？
在每次触发计算完成后，对结果进行一次snapshot保存
例如：
第x次计算，保存x的位置和x的状态

第y次计算，保存y的位置和y的状态

但是 flink 在计算时是分布式计算，那么就需要保证每个节点的operator的状态在进行保存时全部保存，那么flink设计了global consisent snapshot 即全局一致的快照，也被称为checkpoint。checkpoint功能实现状态的保存，在故障恢复时会重新读取保存在dfs上的checkpoint进行恢复。

那么分布式快照(distributed snapshots)是如何实现的呢？

flink引入了checkpoint barrier的概念来实现全局一致快照，后续章节我们会详细讲解。

2.2 状态维护( state Management)

注册状态
在flink中调用以下方法进行状态注册

val state = getRuntimeContext().getState();

state 很小的时候可以在本地内存进行维护，假如state很大，则可以使用RocksDb进行状态维护，代价就是在状态写入和读取的时候需要进行序列化和反序列化。

2.3 Event-Time处理( event-time processing)

首先需要理解三种time的含义：

• Processing time: Processing time refers to the system time of the machine that is executing the respective operation. 处理事件时的时间
• Event time: Event time is the time that each individual event occurred on its producing device. 事件产生的时间
• Ingestion time: Ingestion time is the time that events enter Flink. 事件进入flink的时间

假设我们需要计算3点到4点直接数据的count数，我们应该在什么时间去触发计算呢？在flink中引入了一个watermarks机制来进行处理。

watermarks:
watermarks是flink中的特殊事件，一个带有时间戳t的watermark会让opeator不会在接受任何小于t的事件

2.4 状态保存与迁移(save point and Migration)

流式计算是一直在运行的，那么当你需要

1. 更改逻辑
2. 版本升级
3. 并行度调整

不得不停掉服务的时候，而且希望在重启后接着上次的位置继续进行计算，在flink中采用savepoint进行实现。savepoint可以理解成一个手动的checkpoint.

3.Flink的架构

Flink可以部署在多种环境下

• yarn
• mesos
• stand-alone
• k8s

4.Flink的API

flink提供了三层api供开发者使用，如下图

• ProcessFunctions提供对时间和状态的细粒度控制，实现复杂的事件业务逻辑，控制力度细，抽象能力差。
• DataStream API 一般面向开发者，介于两者之间
• SQL & Table API 即我们使用的sql，操作简单上手容易，但是控制力度比较粗，抽象能力强