2024.2.19 阿里云Flink

一 、Flink基本介绍

Spark底层是微批处理 , Flink底层则是实时流计算

流式计算特点:

        数据是源源不断产生,两大问题,乱序和延迟

Stateful:有状态

Flink的三个部分

Source:Transactions , logs ,iot ,clicks

Transformation: 事件驱动 , ETL , 批处理

Sink : 输出 HDFS ,Kafka 

Flink的特性

支持高吞吐, 低延迟,高性能的流处理

支持带有事件时间的窗口操作。

支持有状态计算的exactly-once语义

支持Checkpoint实现容错

支持具有Backpressure背压功能的持续流模型

支持流处理和批处理

在JVM内部实现了内存管理

四大基石：

time，window，checkpoint，容错

二、 Flink基础架构

Flink作业运行流程

课上记录：

用户提交Flink程序得到jobclient,经过jobclient处理,解析,优化提交到jobManager,最后由TaskManager运行task.

JobClient是Flink程序与JobManager交互的桥梁,主要负责接收程序,解析程序的执行计划,优化程序的执行计划,然后提交计划到JobManager,在Flink中主要有三类计划Operator.

        Source  : 数据源操作,比如文件,socket,Kafka等.

        Transformation: 数据转换操作,比如map, flatmap, reduce等算子.

        Sink : 数据存储操作, 数据存储到HDFS,Mysql,Kafka等.

Flink模块

核心：DataStream API

FlinkSQL:  SQL

图计算：Gelly

机器学习：FlinkML

Flink可以运行在多种集群下：

• Local（本地）

一个进程模拟主节点和从节点。

• Standalone（独立）

主节点和从节点是两个进程，他们是独立的。

• Flink on Yarn（生产使用）

Flink专注于任务的分配和任务的管理，Yarn专注于资源的分配

Spark：cluster、client，Driver进程运行的地方不一样。

Flink On Yarn有三种模式，分别是：

session模式：session，会话，因此也称之为会话模式（Spark中没有的模式）。开发测试使用，生产不能用

per-job模式：Job分离模式（类似于Spark中的Client模式）。

application模式：application，应用，也称之为应用模式（类似于Spark中的Cluster模式）。

会话模式，就是在Yarn会动态初始化一个Flink集群（Flink Yarn-session），这个集群会随着会话的存在而存在，会随着会话的停止而消失。

也就是说，如果我们要启动一个session的话，要分为2步

也称Job分离模式，和Spark的client类似。

在提交任务的时候，Yarn会创建一个Flink集群，这个集群是这个任务专属的。待任务运行完之后，集群就会销毁。

所有任务提交都一样。