03-flink的主要特点

一、flink事件驱动

左图为传统事务处理过程-右图为事件驱动处理过程

Traditional transaction application: 传统的事务应用程序
Events: 事件
Application: 应用
Transactional DB：传统数据库
trigger：触发
Action：操作
Event-driven application:事件驱动的应用程序
Event Log:事件日志
ingest:摄入
Application：应用
State：状态
periodically write asynchronous checkpoints:定期写异步检查点
Persistent storage:持久性存储

• 传统型事务应用程序处理流程：一个事件通过后台应用程序处理，通过读写数据库，将结果返回给用户。
• 事件驱动处理过程：通过收集事件日志，摄入到flink应用中，通过一个本地状态而不去查询关系型数据库，本地状态为了保证稳定性，还可以将状态存到一个持久性存储中，最终通过计算，将结果保存到持久存储或者发送给下游应用使用。

二、flink流式数据形式
flink中，一切都是由流组成的，离线数据是有界的流，实时数据是一个没有界限的流。

flink流式数据

bounded stream:有界数据流
unboude stream:无界数据流

三、flink拥有分层API

• 越顶层的越抽象，表达含义越简明，使用越方便，如直接使用SQL。

• 越底层越具体，表达能力丰富，使用灵活，任何逻辑都可以用ProcessFunction去表达，但是代码逻辑实现较难。

  
  flink分层api
  

  High-level Analytics API:高级api，分析型api，直接写SQL
  Stream-&Batch Data Processing: 流与批数据处理api，可以开窗口
  Stateful Event-Driven Applications:事件驱动型api，可以拿到事件的状态，和时间

同样可以如下理解：

flink分层api

High-level language:高级语言，即使用高级语义描述计算
Declarative DSL：声明式DSL
core APIs:核心PI
Stateful Stream Processing:有状态的流处理
low-level building block:低级api，构建块

四、flink时间语义
支持事件事件（event-time)和处理时间（processing-time)
详见后续连载：

五、精确一次(exactly-once)的状态一致性保证
详见后续连载：

六、可与常用存储系统连接（如redis，es，mysql，clickhouse等）
详见后续连载:

七、低延迟、高吞吐、每秒处理百万个事件

八、可实现动态扩展