005__尚硅谷_Flink理论_Flink简介（五）Flink的特点

这里边再给大家把这个弗link的主要特点做一个总结吧，里边给大家总结几大特点，首先第一个就是事件驱动。之前驱驱动，这个就是结合我们前面讲到的传统的事件处理的这种。数据处理架构，呃，大家看非常类似对不对？这里边link的特点呢，只不过就是说我们并不局限于是跟用户那边去做交互了，并不是一个业务处理后台了，而是可以怎么样呢？可以把它作为数据管道的一部分，这里边流逝的数据事件流进来，我们摄入之后，根据本地的状态快速的进行响应，进行处理，得到结果可以去做一个动作，可以去返回给用户做一个操作，也可以直接再写入到我们的数据流里边，用下游去做操作。来看到这个就非常的方便啊，应用场景也会更多。

另外还有就是。对于他。故障恢复的这种保证，是不是可以用一个远程的存储结构存储系统去保证这一点啊，保证它我们的这个状态如果要丢掉，发生故障的时候，可以从远程保存的这个内容里面去做恢复。啊，传统的话，我们是每一次操作都要去读写数据库，这个肯定就会慢很多。这里面平常的操作是不是只要用本地状态就可以了，相当于只是内存中的一次调用。这是林肯的特点啊，事件驱动。第二个主要特点。至基于流的世界观，这个就把这个话好像说的又又大一点了啊，就上升到世界观的高度了，呃，这个其实主要说的是什么呢？这就是要跟Spark哎，要去做对比了。他可能会想到，我们说对于数据处理而言，有两种截然不同的处理方式，一种是流式的处理方式，一种是P式的处理方式，那这个如果要是上升层次的话，那就相当于这就是不同的看待问题的方式，看待世界的方式就是世界观的不同了。对于flink而言。

他认为什么呢？一切都是零。对，一切皆是流对吧，那么我们所谓的那些离线的数据，我们一批一批的数据，他认为是什么呢。他认为也是流，只不过这个流是一个，哎，就是有界的流，在这里区分了有界流和无界流，所以大家回忆起来官网上的那个定义，他不是说处理的就是有界和无界的数据流吗？所以就是这么定义出来的。所以我们这里边看，如果说是一个有介流的话，那是不是就相当于有开始有劫持，这是不是就相当于是一批数据啊。

只不过对于这样的一批数据，他是不是也可以来一个就处理一个，来一个就处理一个，也可以做到这样的一个状态啊，最后我们可以在这个这一批数据截止的时候，统一去保证一下里边的这个正确性，所以flink它同时也可以做批处理。所以他也提供了批处理的一套API，他做批处理的思路其实还是基于流的，而是用流的思路去做批处理的。这就是这个Li的世界观，那与之对应，大家可能会想到Spark的世界观是什么呢？对，Spark里边的都是P，他即使是做流处理Spark streaming是不是相当于也认为它是P啊，只不过对你所谓的硫就只是很小的P嘛，你那个批次，每一批如果小到很小的时候啊，这个就变成硫了嘛，啊，这就是他们俩的不同，不同之处。

另外还有一个特点就是弗link给我们提供了不同的分层的API，这里面有一个这样图，大家可以看一下啊，主要就是这样的三层API。从上到下，越往下越底层，它就会越具体一些，然后它的表达能力就会更加的丰富，使用就会越灵活，但是掌握起来可能就会有点有点奇怪，对吧，就会觉得他这个，哎呀能干的事情确实很多，但是里面怎么那么编程习惯不太好适应，可能会有这种感觉。而越顶层越往上看的话，会越抽象，就会越好用一些，使用越方便一些，但是它可能能做的事情呢，就不像底层那么多，对吧，这三层API大家先做一个大概的了解啊，底层API所谓的process方式。

处理函数或者叫过程函数，这是最底层的，他在这里边能够访问到什么东西呢？能够去访问到当前的世界状态，还有时间。有相关的东西都能拿到。他能做的事情是最多的。它的再上一层，中间这一层是我们平常用的最多的一层API，就是data streamam API，当然了，如果要用P数的话，还有一套叫data set API，他们是同一个层级，基本上差不多，我们后续给大家做讲解的话，就会以这个data stream API做做示例啊，迭赛的API就不详细展开讲了。那么这里面主要做的操作是什么呢？就是基于流或者是基于窗口去做操作。而更上层那是做什么呢？大家会想到就是table API或者是CQ，就可以直接去操作一些表，直接去用CQ去做增山奶查这些操作啊。

这是大家比较熟悉的那种方式。除了前面提到的这三大特点之外，弗link还有一些其他的特点啊，这些特点也给大家简单的过一下哈，弗link还还有什么特点呢？它支持不同的时间语义。这个大家可以看到，它支持什么呢？支持事件时间even态和处理时间processing。那又是什么东西呢？所以大家会想到，在think里边，他对时间是有不同的理解的。不同不同的划分的，这个就比较有意思了，后面讲到的时候再给大家展开啊，另外它还有特点呢，它能够保证所谓的精确一次的状态一致性。One这个概念大家应该听说过，对吧？在Spark里边其实也是可以保证到这个ones的，但是可能要做的事情会很多很多。这个也能保证精确一次。

后面我们会给大家讲。另外显著的特点啊，非常明显的特点就是低延迟。它是什么级别的延迟呢？毫秒级别的延迟，而且低延迟的同时还能够保证高吞吐啊，每秒可以处理百万级的事件。另外就是可以与众多常用的存储系统去做连接啊，因为大家比较常见的那些数据库啊，还有大家这个经常用的，比方说这个HTSS啊，对，跟卡夫卡啊，跟其他的一些存储系统啊，都有相关的一些连接的方式。最后就是高可用，可以做动态的扩展，可以真正实现七乘24小时全天候运行，呃，它的特点还是非常多的啊，优势优点也非常的明显。这就是flink，大家先有一个直观的认识。最后呢，再给大家。

跟star stream做一个对比，我们再来做一个强调和总结。一个最大的区别，大家其实只要把这个理解透了，其实我觉得呃，就是已经很明显了，对吧，呃首先就是世界观都不一样吧，就是留跟VP的。那么link里边我们说它是一切都是流，例如果一切都是流的话，是不是就是标准的，大家看这个input来了之后，是不是就是来一个处理一个，来一个处理一个。没有问题的，这样的一个流式计算，对吧，这其实是我们更想要的流式计算。那SPA stream它所谓的流失计算是什么样呢？它其实是把来的所有来的数据是不是包装成了对一批一批，只不过是很小的V批，对吧，包装成这样的批次？对于Spark streaming而言，它的世界观就是如果说我把这个批次做的足够小的话，大家想足够小，那是不是来一个数据就是一批，那是不是就跟零处理就完全一样了？

所以其实在这个意义上，本质上他们其实是一样的，对不对。但是呢，他们还是会有一些差别，那差别就是Spark streaming。本质上从架构上来讲，是不是一定要有一个攒一批，然后把这个P这样的一个过程，对不对，是按批去处理的这样的一个过程，你本身它的延迟是不可避免的。所以宁可要更快，实施性要更好。这是一个最典型的特点啊，然后另外还有什么特点呢？数据模型不一样。大家知道Spark里面的模型是什么样的？对，主要就是RDD对不对，那streaming里面是什么样的呢？它的基本处理的这个数据结构。

对，它是stream啊，Stream里边实际上我们处理的又是什么呢？是不是也还是RDD啊，大家知道我们在里面去做处理的时候，还是fo r DD对吧，挨个拿出来去做计算的，所以本质上还都是RDD。而link，它的基本数据模型已经完全不一样了。它的数据模型是data flow。大家可能听说过谷歌的那一篇data flow那个论文，对吧？Link几乎就是完整的实现了那篇论文里面的内容。所以它是可以说是呃对data flow做了一个完整的实现。那么它的数据模型就是数据流和事件序列，所以往往有时候在做对比的时候呢，就是flink社区里边大家挺flink的这一派的人往往会说flink是。真实时，真正的粮食处理，而呃，SPA streaming有时候就会说他是对准实时，或者说它是一个伪实时，对吧？呃，当然这个就是社区里边有不同的争论，大家知道它的这个底层含义，它的特点就可以了。

最后还有一个是运行时的架构也不一样，那么Spark大家知道它是P，本质上还是PG算法，所以它是要划分不同的stage的，必须要一个Switch完成之后才可以算下一个对不对，这个过程当中，其实我们分布式的这个任务，它的这个病情，他的这个处理的效率相对来讲是有一点低的，大家想是不是这样？有一点浪费性能的，因为你必须要等一个C完全都结束嘛。那是什么样的呢？它是标准的data flow这种执行的模式。他就是跟state是没关系的，他只跟事件相关，这个事件在当前这个任务完成之后，马上发到下一个。节点去执行，而同时前面别的数据是不是还可以停留在前面的阶段去处理啊，那他们互相之间互不影响。

之后我们再给大家讲到运行式架构的时候，大家可能就会对它有更深刻的理解。所这就是in和Spark streaming的一些不同，大家可以做一些基本的一些了解啊。这是我们这节课的内容。