ink大数据计算引擎入门
作者:互联网
Flink入门
-
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,提供支持流处理和批处理两种类型应用的功能。
- Apache Flink的前身是柏林理工大学一个研究性项目,在2014被Apache孵化器所接受,然后迅速地成为了Apache Software Foundation的顶级项目之一。
Flink 特点
-
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: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
- 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时***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。
Flink组件栈
Deployment层
主要涉及了Flink的部署模式、Flink支持多种部署模式:本地、集群(Standalone/YARN)、云(GCE/EC2).
Runtime层
Runtime层提供了支持Flink计算的全部核心实现,比如:支持分布式Stream处理、JobGraph到ExecutionGraph的映射、调度等等,为上层API层提供基础服务
API层
API层主要实现了面向***Stream的流处理和面向Batch的批处理API,其中面向流处理对应DataStream API,面向批处理对应DataSet API
Libaries层
在API层之上构建的满足特定应用的实现计算框架,也分别对应于面向流处理和面向批处理两类。
Flink优势
-
支持高吞吐、低延迟、高性能的流处理
-
支持高度灵活的窗口(Window)操作
-
支持有状态计算的Exactly-once语义
- 提供DataStream API和DataSet API
Flink数据流和时间窗口
基本概念
-
Flink程序的基础构建模块是流(streams)与转换(transformations)。
- 每一个数据流起始于一个或多个source,并终止于一个或多个sink。
时间窗口
-
流上的聚合需要由窗口来划定范围,比如 “计算过去的5分钟” 或者 “最后100个元素的和”
- 窗口通常被区分为不同的类型,比如滚动窗口(没有重叠),滑动窗口(有重叠),以及会话窗口(由布活动的间隙所打断)
Flink分布式运行环境
-
Flink是基于Master-Slave风格的架构
- Flink集群启动时,会启动一个JobManager进程、至少一个TaskManager进程
JobManager
-
Flink系统的协调者,他负责接受Flink Job ,调度组成Job的多个Task的执行
- 收集Job的状态信息,并管理Flink集群中从节点TaskManager
TaskManager
-
实际负责执行计算的Worder,在其上执行Flink Job的一组Task
- TaskManager负责管理其所在节点上的资源信息,如内存、磁盘、网络,在启动的时候将资源的状态向JobManager汇报
Client
-
用户提交一个Flink程序时,会首先创建一个Client,该Client首先会对用户提交的Flink程序进行预处理,并提交到Flink集群
- Client会将用户提交的Flink程序组装一个JobGraph,并且时以JobGraph的形式提交的
Flink安装
方式一
-
git clone https://github.com/apache/flink.git
-
cd flink
-
mav clean package -DskipTests
- cd build-target
方式二
到官网下载编译版:https://flink.apache.org/downloads.html
不同环境下到bin目录,运行start-local.bat
运行正常,访问页面:http://localhost:8081
▼
标签:引擎,窗口,入门,批处理,Flink,处理,API,ink,数据流 来源: https://blog.51cto.com/15076224/2584829