Flink学习笔记（一）：为什么选择flink

一、概述

在很多数据处理场景下，要求数据以数据流的形式进行分析和存储，然鹅er…为啥选flink呢？流处理的框架不是很多么

Q: 流处理框架有很多中，比如前面提到的spark，storm等，为什么选flink？

A: 1.flink具有高吞吐、低延迟、高性能的特性（海量数据秒级处理）

2.支持带有事件时间的窗口（Window）操作

3.持有状态计算的Exactly-once（严格/恰好一次）语义，保障状态的一致性

4.支持高度灵活的窗口（Window）操作，支持基于time、count、session，以及data-driven的窗口操作

5.一个运行时同时支持Batch on Streaming处理和Streaming处理

6.丰富的API支持，支持REST（Representational State Transfer）

7.支持机器学习（FlinkML），支持图分析（Gelly），支持关系数据处理（Table），支持复杂事件处理（CEP）

8.整合支持Flink on YARN，HDFS，Kafka，Apache HBase，Hadoop，
Tachyon，持ElasticSearch，RabbitMQ，Apache Storm，S3，XtreemFS

文字不直观？来张图看看，是不是更清楚些了呢

二、场景结构

我们首先以一个场景为例，如下图所示

如图所示，kafka集群存储来自各个场景的日志数据，flink通过kafka接口进行消费，获取kafka的数据，flink加载分析引擎，然后通过进行数据处理，将处理完的数据写入mysql数据库中，然后通过前端展示出来。

三、应用场景

flink提供了大量的接口，我们可以方便的从数据源获取数据，处理后输出到指定的存储容器中，我们可以看一下fink的应用场景，看完是不是也跃跃欲试呢。