Flink_架构体系

文章目录

• 2.1 Flink 中的重要角⾊
• 2.2 无界数据流与有界数据流 无界数据流：
• 2.3 Flink 数据流编程模型
• 2.4 Libraries 支持

2.1 Flink 中的重要角⾊

• 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， 如果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， 而其他的都是 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 datastream 的交换， Flink 运行时至少会存在一个 worker 处理器。

2.2 无界数据流与有界数据流 无界数据流：

• 无界数据流有一个开始但是没有结束， 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立即处理 event。 对于无界数据流我 们无法等待所有数据都到达， 因为输入是无界的， 并且在任何时间点都不会完成。 处理 无界数据通常要求以特定顺序（ 例如事件发生的顺序） 获取 event， 以便能够推断结果 完整性。

• 有界数据流： 有界数据流有明确定义的开始和结束， 可以在执行任何计算之前通过获

  取所有数据来处理有界流， 处理有界流不需要有序获取， 因为可以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， 它能够 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作为两种不同的应用类型， 因为它们要 实现的目标是完全不相同的： 流处理一般需要支持低延迟、 Exactly-once 保证， 而批处 理需要支持高吞吐、 高效处理，所以在实现的时候通常是分别给出两套实现方法， 或者通 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， 与传统的一些方案完全不同， 它从另一个视角看待 流处理和批处理， 将二者统一起来： Flink 是完全支持流处理， 也就是说作为流处理看 待时输入数据流是无界的； 批处理被作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。

2.3 Flink 数据流编程模型

Flink 提供了不同的抽象级别以开发流式或批处理应用。

最底层级的抽象仅仅提供了有状态流， 它将通过过程函数（ Process Function） 被 嵌入到 DataStream API 中。

底层过程函数（Process Function） 与 DataStream API 相 集成， 使其可以对某些特定的操作进行底层的抽象，

它允许用户可以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。 除此之外， 用户可以注册事件时间并 处理时间回调，

从而使程序可以处理复杂的计算。 实际上， 大多数应用并不需要上述的底层抽象， 而是针对核心 API（Core APIs） 进 行编程，比如

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， 比如由用户定义的多种形式的转换 （ transformations） ， 连接（joins） ，

聚合（aggregations） ， 窗口操作（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） 。 TableAPI 遵循（扩展的） 关 系模型： 表有二维数据结构（schema）

（类似于关系数据库中的表） ， 同时 API 提供 可比较的操作， 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作应该执行， 而不是准确地确定这些操作 代码的看上去如何 。尽管

Table API 可以通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，

但是使用起来却更加简洁（代码量更少） 。 除 此之外， Table API 程序在执行之前会经过内置优化器进行优化。你 可 以 在 表 与

DataStream/DataSet 之 间 无 缝 切 换 ，以 允 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

类似，但是是以 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 查询可以直接在

Table API 定义的表上执行。

Spark	Flink
RDD/DataFrame/DStream	DataSet/Table/DataStream
Transformation	Transformation
Action	Sink
Task	subTask
Pipeline	Oprator chains
DAG	DataFlow Graph
Master + Driver	JobManager
Worker + Executor	TaskManager

2.4 Libraries 支持

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）