隨著大資料技術在各行各業的廣泛應用，要求能對海量資料進行實時處理的需求越來越多，同時資料處理的業務邏輯也越來越複雜，傳統的批處理方式和早期的流式處理框架也越來越難以在延遲性、吞吐量、容錯能力以及使用便捷性等方面滿足業務日益苛刻的要求。
在這種形勢下，新型流式處理框架Flink通過創造性地把現代大規模並行處理技術應用到流式處理中來，極大地改善了以前的流式處理框架所存在的問題。飛馬網於3月13日晚，邀請到大資料技術高階架構師—曠東林，線上上直播中，曠老師向我們分享了Flink在諸多方面的創新以及它本身所具有的獨特能力。
我們主要從以下幾個部分來看：
一.流式處理的背景：
傳統的大資料處理方式一般是批處理式的，也就是說，今天所收集的資料，我們明天再把今天收集到的資料算出來，以供大家使用，但是在很多情況下，資料的時效性對於業務的成敗是非常關鍵的。
1.流式處理的背景—必要性
比如說，在入侵檢測的場景下，我們希望看到的結果是：一旦有入侵，我們能及時地作出響應。這種情況下，如果按照傳統的批處理方式，是不可能在入侵的時候實時檢測出結果的。另外，比如說在語音計算中，我們要實時監控各個虛擬器的執行狀態以及出現錯誤時的預警，這種情況下，也要求我們能夠實時監控資料，並對資料產生的各種報警，實時採取動作。由此，流式處理的必要性就顯得無疑了。
2.流式處理的背景—基礎架構
我們來看一下流式處理的基本框架。
示例裡面展示的只是部分API，除了上面那些，還有很多操作，我們一起來看下面這張圖片。
“map”就是做一些對映，比如我們把兩個字串合併成一個字串，把一個字串拆成兩個或者三個字串。
“flatMap”類似於把一個記錄拆分成兩條、三條、甚至是四條記錄。
“Filter”就類似於過濾。
“keyBy”就等效於SQL裡的group by。
“reduce”就類似於MapReduce裡的reduce。
“join”操作就有點類似於我們資料庫裡面的join。
“aggregate”是一個聚合操作，如計數、求和、求平均等。
“connect”實現把兩個流連成一個流。
“project”操作就類似於SQL裡面的snacks。
“repartition”是一個重新分割槽操作。
4.執行機制
知道Flink的程式設計模型之後，那麼Flink是怎樣去執行這些業務邏輯的呢？下面是它的執行機制。
Flink在處理資料流時，它的整個資料流裡面的資料分為兩種，一種是本身業務發給的資料，還有一種是Flink自己插到資料流裡面的資料。插入的記錄我們叫它barrier，就是柵欄，我們可以把它看成一個表示進度的標記，標記整個資料處理的狀態，它從源頭髮出。從圖中我們可以看到，不管是什麼流，它都會產生一個checkpoint barrier。
當operator收到柵欄之後，它會把柵欄的狀態儲存，然後把特定記錄發出去，到達第二個operator裡面，它又把它的狀態放到Master裡，它就是這樣一步一步去完成的。在這個過程中，如果有一步出現故障，Flink會重複前面的步驟，重新去執行，所以不會出現資料的丟失和錯誤。
三.Flink的實踐：
1.示例
我們來看一下具體的示例。
我們可以看到，在啟動的Flink叢集裡面，有80個Task Managers，80個巢，1個空閒的巢數，紅框點進去之後，就是下面的圖片。
監控指標有很多。
四.總結與展望：
最後，我們來做一下總結。以上只是關於Flink的一些簡單介紹，關於Flink的記憶體管理、部署、內部執行機制等相關詳細資料，我們可以通過以下網站進行資料查詢。
Apache Flink是有關Flink開源的官方網站。
Flink-Forward網站主要介紹各家大公司在使用Flink過程中的心得體會，以及Flink本身的發展提案的一些相關內容。
dataArtisans是Flink背後的一個商業公司，Flink由它發展起來。它上面的部落格包含好多關於Flinkd的介紹，以及一些有深度的文章。
Athenax主要是關於Flink的前瞻性研究的網站。
以上四部分就是本次線上直播曠東林老師講述的主要內容，在提問環節有哪些問題呢？我們一起來看看。
1.請老師講講Flink和最新版Spark的對比？
曠老師：spark streaming和flink是競爭關係，兩個框架都是流處理裡面用的比較多，Flink最大的優勢在於保證高吞吐量情況下的低延遲，以及對複雜的帶有狀態的流的狀態管理能力，還有就是非常靈活視窗的支援。
2.新版spark採用的是timeline db技術嗎？
曠老師：不是的，timeline db在實現上與spark不是一樣的，spark streaming是典型的微批次的流處理框架，其他的大部分都是基於pipeline的執行架構。
這次線上直播，相信大家對Flink流式處理有了進一步的認識，在這裡我們也很感謝曠東林老師的分享。想了解更多更詳細內容的小夥伴們，可以關注服務號：FMI飛馬網，點選選單欄飛馬直播，即可進行學習。