001.尚硅谷_Flink-Flink简介

面我们就正式开始弗link这部分内容的学习，首先呢，我们给大家做的是一个flink流处里的简介啊，那这一部分里边我们要知道flink是什么，然后我们要了解一下为什么要用flink啊，那后边呢，我们会站在一个比较高层级的视角啊，就是所谓的架构师的视角去看，看待这个流处理的发展和演变的过程。最后给大家总结一下flink的主要特点。并且。重点要对比一下，和Spark streaming做一个特点的对比啊，这就是这节课我们的一些主要内容，那首先呢，就是弗link是什么啊，那关于这个弗link的起源呢，它其实是起源于一个叫做stress fair的研究项目啊，这个项目是在很早啊，其实在2010年的时候，由柏林德国柏林的几所大学，哎，他发起的这样的一个研究项目，就是做这个大数据病情处理啊，流式计算这样的一个研究项目，那么这个项目呢，在14年4月的时候。

这个fair这个项目啊，它的原代码就被捐赠给了阿帕奇基金会，所以后面大家接触到的时候就会发现啊，弗link其实是阿帕奇下面的一个项目，对吧，这是在一四年的时候，弗林就成为了阿帕奇基金会的孵化项，而且大家看这个时间线啊，很快在几个月之后，在一五年的一月。弗link就成为了阿帕奇基金会的顶级项目啊，所以说呃，这个弗link其实发展的这个过程啊，它本身是比较早的一个项目。那一开始呢，可能我们会发现它是处在这个研究的阶段，所以本身应用并不是特别的广泛，后来这个应用的发展就会越来越快啊，到现在为止就可以说是如火如荼啊，应用非常非常广泛啊，那这个弗link到底是什么呢？其实在这个德语里边啊，因为我们说它最早期不是德国柏林的一些大学的研究项目嘛，所以本身弗link这个词它是一个德语词汇，这个词在德语里边呢，表示的意思是快速灵巧的意思。

啊，所以呃，大家可能也见过flink的这个图标啊，这个logo，它这个logo呢，就用了一只松鼠做彩色的松鼠啊，用这个图案作为了项目的logo啊，那一方面我们就会发现这是项目的一个定位啊，因为弗link本身代表快速灵巧嘛，那松鼠小松鼠嘛，本来给我们的印象就是有这个快速灵巧的特点，另外呢，还有一个比较有趣的这个，呃，小小的这个知识点啊，就是因为本身柏林那个地方，它当地就有松鼠啊，那它的这个松鼠呢，就是红棕色的，就类似于这样的一个颜色，而刚好这个颜色呢，又跟阿帕奇基金会的这个logo颜色一致，大家可能也见过阿帕奇基金会这个羽毛渐变色对吧，红棕色的这样一个漂亮的渐变色啊，嗯，所以说flink的logo它就定就就设计成了一个红棕色的小松鼠，而且有一个渐变。

蓝色漂亮的大尾巴啊，这就是关于这个弗link基本的一个定位啊，它的logo是一个阿帕奇风格的松鼠，小松鼠。那所以我我们从本身它logo的设计和这个项目的命名上，首先就有一个直观的印象啊，弗Li克他要的是什么呢？快速灵巧对吧？啊，所以这是大家首先应该有的一个概念，就弗link他希望有这样的特点啊，那这是直观的一个认识，那弗Li克到底是什么呢？我们来看一看这句话，那这句话其实是从哪里来的，这是在弗Li克官网里边摘下来的一句话，我们可以给大家看一眼这个弗link官网啊，这就是弗Li官网，大家看这个阿帕奇基金会下的顶级项目，它的域名就是它的当前的这个域名，访问域名就是弗link点阿帕奇点。org。

然后在这里边点进来之后啊，这是这个官网有一个这个架构图，然后我们可以直接看一眼当前的这个。呃，我我我们可以直接看一下这个what is阿帕奇link。看看这个官网对弗林可的介绍啊，那大家看这个架构里边第一句话就是我们这里摘到这里边的这句话，大家放大看一眼啊，他说的是什么呢？说的是阿帕奇Li ISA framework，我这里边我专门把这个关键字做了一个斜体的表示啊，And distributed processing。For states for computs over unbounded and bondunded date stream啊，所以这句话看起来很复杂，对吧？这里边关键词还很多，我们如果翻译过来的话，它主要说是弗林克是什么？它是一个框架啊，那大家知道这是什么框架，大数据计算框架吗？对吧？和和一个处理引擎，什么处理引擎呢？分布式的处理引擎啊，那我们知道现在做大数据处理整体的结构是什么？就是分布式架构，对吧？就是很多的机器，我们构成构建成一个分布式的集群，然后协调起来进行分布式的并行计算，这就是当前大数据的整体架构，弗林可也不例外。

啊，那另外后面还有一个for for就表示它应用的场景了，它主要应用在什么场景呢？呃，这里边提出的概念是说它用于对于无界和有界数据流，哎，这里边就是bounded的on unbounded data streams，针对这样的有界无界的数据流进行。State计算，有状态的计算。

啊，所以这里面涉及到的几个概念，就是首先我们针对的这个数据是数据流。啊，那大家想到数据流是什么水流，哎，那就是连续不断对吧，源源不断，哎这样的一个一种数据场景。这叫做数据流，另外呢，它的特色是进行有状态的计算。我们猜测里面只是这样泛泛的说了一下，呃，提到的一些概念啊，那大家可能还是有有很多疑惑，那这里边提到的这些东西到底是什么呢？哎，不要着急，后面我们一一给大家展开，把这些特点啊，让大家做一个深入的了解，那接下来我们首先先看一下，说一下这个flink当前的热度啊，通过这张图我们其实可以非常直观的看到当前啊，在这个全球其实很多国家和地区弗林克都已经有应用了。啊，那主要是在哪里边最热呢？非常直观啊，在中国最热对吧？啊就是如果说这个在国内中国的热度是100的话，其他地区啊，主要就是这个欧美，还有这个澳洲，澳大利亚，印度俄罗斯啊呃，这个金砖四国巴西啊这些国家，那那其实如果中国热度是100的话，其他国家最高也只有个位数。

那为什么会出现这样一个场景呢？啊，那其实这主要分两两个方面啊，大家可能知道，主要就是因为中国有这个挑头的企业呀，对吧，以这个阿里为首的一众中国企业在弗link方面的这个发力是非常非常大的啊，现在就是引领了弗link的研研发的这发展的潮流啊，那为什么中国的企业对弗link就这么感兴趣呢？一方面那应该说我们中国的技术公司啊，我们的技术非常强，中国人能力很很强，我们本身对于当前大数据发展的技术前沿就有这个热情，对吧，本身就有这样的一个开发的，呃，就是努力钻研的这样的一个需求，那另外一方面其实更多的原因。

在于。中国本身的国企，我们中国人多啊，啊，大家可以想象到，你对于这个其他国家而言，开发一个应用，开发一个这个需求，那可能你涉及到的这个用户数据，数据量啊，是非常非常少的，呃，就是当然这个不是说非常非常少啊，就是跟中国的这种数据量体量比起来的话，它那个就少的可怜了，我们甚至可能认为它那个都不需要上大数据，对吧？啊，所以在其他国家而言，可能之前很多需求你直接用这个还都不用Spark就可以解决了，或者说你如果说要有这个实时的需求的话，我用Spark streaming啊啊这些框架都已经可以很好的处理。但是在中国有时候就不行，因为我们的量级太大太大了啊，您可以想象一下双11的时候对吧，购物节啊做这个呃。很多的用户在同一时段都涌入当前的这个电商平台，然后去下单抢单啊购买，对吧，有各种各样的行为，你如果这个时候还想要去做一个实时的分析评判的话，那你说用传统这些架构能够搞得定吗？

哎，那确实就搞不定了，所以在某种情况下，我们中国的公司能够走在整个国际的技术的前沿啊，特别是弗link这个领域的前沿，那某种程度也属于是我们当前的这种应用场景倒逼出来的，对吧？啊，所以这也是一种好事啊，一方面是压力，另外一方面也是动力。啊，那呃，关于这个在国内目前国内企业的应用，就是我们说的啊，以阿里为首的一众大厂，那其实都有应用，当前可以说呃，弗林格从一开始啊，就有一个非愁跃的社区，而且呢，这个还在不停的增长，现在以阿里为首的国内企业对于当前社区的贡献也是越来越多啊，他现在弗林可以说已经是各行各业都有广泛的应用，大家可以看到啊，这里边就是啊，你像这个阿里，还有这个京东啊，主营业务是电商对吧？啊，像腾讯做这个实时通讯啊，你像这个华为跟硬件打交道，网易做这个门户网站啊，做其他的一些平台，还包括这个打车软件啊，外卖软件啊，还有我们这个视频软件啊，这些各行各业不同的领域都可以用到flink。

啊，所以其实它能应用的场景是非常非常广泛的。那这也是为什么我们要认真的学习它，把它作为大数据学习过程当中的非常重要，也是最后一块拼图的原因。