Flink入門知識點有哪些

這篇文章主要講解了“Flink入門知識點有哪些”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Flink入門知識點有哪些”吧！

什么是Flink？

在Flink的官網上，可以把官方文檔語言設置為中文，于是我們可以看到官方是這樣介紹的：

基于官網的一句話介紹，我們就可以聯想出很多東西。

這篇文章可以帶你簡單認識一下Flink的一些基礎概念，等你真正用到的時候就可以依據這篇文章來對Flink進行入門，現在Storm都被很多人給拋棄掉了，那么Flink優于Storm的地方有哪些呢？接下來我們一起來看看Flink吧。

什么是有邊界和無邊界？

Apache Flink 是一個框架和分布式處理引擎，用于在無邊界和有邊界數據流上進行有狀態的計算。

官方其實也有介紹，但對初學者來說不太好理解，我來幼兒園化一下。

大家學到Flink了，消息隊列肯定有用過吧？那你們是怎么用消息隊列的呢？Producer生產數據，發給Broker，Consumer消費，完事。

在消費的時候，我們需要管什么Producer什么時候發消息嗎？不需要吧。反正來一條，我就處理一條，沒毛病吧。

這種沒有做任何處理的消息，默認就是無邊界的。

那有邊界就很好理解了：無邊界的基礎上加上條件，那就是有邊界的。加什么條件呢？比如我要加個時間：我要消費從8月8號到8月9號的數據，那就是有邊界的。

什么叫做有狀態？

Apache Flink 是一個框架和分布式處理引擎，用于在無邊界和有邊界數據流上進行有狀態的計算。

什么是有狀態，什么是無狀態？

無狀態我們可以簡單認為：每次的執行都不依賴上一次或上N次的執行結果，每次的執行都是獨立的。

有狀態我們可以簡單認為：執行需要依賴上一次或上N次的執行結果，某次的執行需要依賴前面事件的處理結果。

可以簡單的認為：Flink本身就給我們提供了”存儲“的功能，而我們每次執行是可以依賴Flink的”存儲”的，所以它是有狀態的。

以上面的圖為例：Source數據流有以下數字21,13,8,5,3,2,1,1，然后在Flink需要做累加操作（求和）

現在處理完2,1,1了，所以累加的值是4，現在Flink把累積后的狀態4已經存儲起來了（認為前面2,1,1這幾個數字已經完全處理過了）。

程序一直往下走，處理了5,3，現在累加的值是12，但現在Flink還沒來得及把12存儲到最終的介質，此時系統掛掉了。

Flink重啟后會重新把系統恢復到累加的值是4的狀態，所以5,3得繼續計算一遍，程序繼續往下走。

看文章有的同學可能會認為：精確一次性指的不是某一段代碼只會執行一次，不會執行多次或不執行。這5和3這兩個數，你不是重復計算了嗎？怎么就精確一次了？

顯然，代碼只執行一次肯定是不可能的嘛。我們無法控制系統在哪一行代碼掛掉的，你要是在掛的時候，當前方法還沒執行完，你還是得重新執行該方法的。

所以，狀態只持久化一次到最終的存儲介質中（本地數據庫/HDFS)，在Flink下就叫做exactly once（計算的數據可能會重復（無法避免），但狀態在存儲介質上只會存儲一次）。

那么Flink是在多長時間存儲一次的呢？這個是我們自己手動配置的。

我們是做完了業務規則才將offset進行commit的，checkponit其實也是一樣的（等拉下來該條數據所有的流程走完，才進行真正的checkponit）。

問題又來了，那checkpoint是怎么知道拉下來的數據已經走完了呢？Flink在流處理過程中插入了barrier，每個環節處理到barrier都會上報，等到sink都上報了barrier就說明這次checkpoint已經走完了。

感謝各位的閱讀，以上就是“Flink入門知識點有哪些”的內容了，經過本文的學習后，相信大家對Flink入門知識點有哪些這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！