flink目录：

 

1.传统的数据处理模式：

1.1中心数据库模式

中心数据库负载很大，而且中心数据库一旦出现问题，所有业务系统都将崩溃

1.2 lamda数仓模式

但是lamda模式的数仓，一般采用关系型数据库，无法满足海量数据的存储

 1.3 基于Hadoop的hdfs搭建的lamda数仓模式

一定程度上解决了，不同计算模式（实时和离线）的业务需求。

但是，这种流批模式，等于是实时和离线两套架构，导致 复杂度和运维成本高。

 1.4 基于流处理的模式

流处理架构一般分为2部分，消息传输层（负责采集新数据 和 推送数据） 和 流处理层（负责数据的转换加工等）

流处理大致框架

flink没有中心数据库，而且流处理天然支持批处理（不再需要两套实时和离线架构）

2.flink的介绍

2.1 flink的特点

 

 

 flink的优势：

2.2 flink的优势：

2.2.1 流式窗口：

其中第3个高度灵活的流式窗口

因为在流式数据中是无穷无尽的，不能直接进行计算，所以flink提出了，窗口的概念：

 窗口的概念

窗口的分类：

 2.2.2 流式计算的状态：

 有状态是指的每个事件的状态都会记录：

2.2.3 良好的容错性

如何保证分布式系统，各节点的一致性

 flink 不断创建快照，来对照数据一致性

2.2.4 高性能的内存管理

因为java的内存管理会有一些问题，所以flink创建了自己的内存管理

 

 flink是如何自己管理内存的

将所有的对象进行序列号和反序列化，在内存中存储

序列化存储内存，这样做的好处：

 2.2.5 支持迭代和增量迭代

这里的迭代指的是：每次迭代计算的结果，给到下个迭代

增量迭代：下个迭代只需要，计算上个迭代的部分数据，或者 只需要更新上个迭代的部分数据集