---

一、Flink的引入

随着大数据的飞速发展，出现了很多热门的开源社区，其中著名的有 Hadoop、Storm， 以及后来的Spark，他们都有着各自专注的应用场景。尤以Spark掀开了内存计算的先河，也以内存为赌注，赢得了内存计算的飞速发展。
Spark的火热或多或少的掩盖了其他分布式计算的系统身影。与此同时，新生代王者Flink，也就在这个时候默默的发展着。

在国外一些社区，有很多人将大数据的计算引擎分成了4代，当然，也有很多人不会认同。我们先姑且这么认为和讨论。

• 1 首先第一代的计算引擎，无疑就是 Hadoop 承载的 MapReduce。

这里大家应该都不会对 MapReduce 陌生，它将计算分为两个阶段，分别为 Map和Reduce。对于上层应用来说，就不得不想方设法去拆分算法，甚至于不得不在上层应用实现多个Job 的串联，以完成一个完整的算法，例如迭代计算。由于这样的弊端，催生了支持 DAG 框架的产生。

• 2 支持 DAG 的框架被划分为第二代计算引擎。

如 Tez 以及更上层的 Oozie。这里我们不去细究各种 DAG 实现之间的区别， 不过对于当时的 Tez 和 Oozie 来说，大多还是批处理的任务。

• 3 Spark 为代表的第三代的计算引擎。

第三代计算引擎的特点主要是Job内部的DAG支持，以及强调的实时计算(微批处理)。在这里，很多人也会认为第三代计算引擎也能够很好的运行批处理的Job。随着第三代计算引擎的出现，促进了上层应用快速发展，例如各种迭代计算的性能以及对流计算和SQL等的支持。

• 4 Flink 的诞生就被归在了第四代。

这应该主要表现在Flink对流计算的支持，以及更一步的实时性上面达到真正意义上的实时。当然 Flink 也可以支持Batch的任务，以及DAG的运算。

Flink是Apache基金会旗下的一个开源大数据处理框架。 在各个互联网企业以及需求实时计算的地方都被广泛的重视。

特别以阿里为代表的一线互联网都在全力投入，为Fink社区贡献了巨大的源码。

为何Flink为受到如此青睐呢？>为何Flink为受到如此青睐呢？

带着疑问我们一步一步往下走，揭开Flink的神秘面纱…

二、Flink的起源和设计理念

1.起源

Flink 起源于一个叫作 Stratosphere 的项目，它是由 3 所地处柏林的大学和欧洲其他一些大学在 2010~2014 年共同进行的研究项目，由柏林理工大学的教授沃克尔·马尔科（Volker Markl）领衔开发。

在德语中，flink一词表示“快速、灵巧”。项目的 logo 是一只彩色的松鼠，当然了，这不仅是因为 Apache 大数据项目对动物的喜好（是否联想到了 Hadoop、Hive？），更是因为松鼠这种小动物完美地体现了“快速、灵巧”的特点。

大数据组件里每一个logo都是极具意义的。大象Logo的Hadoop，“Hadoop这个名字，实际上是Doug Cutting儿子的黄色玩具大象的名字，也表示着对于自己孩纸的爱。

Flink也如此具有特色，快速，灵巧的小松鼠就是其意思所在。

Flink的目标对于海量数据的的处理，要快速和灵活。

它就像一列高速行进的列车，向我们呼啸而来，朝着未来更实时、更稳定的大数据处理奔去。

这辆通向未来的车，我们上车可以迟，但一定不要错过。

2.设计流程

Flink 的官网主页地址：https://flink.apache.org/

在官网的主页顶部，我们可以看到Flink的核心目标：

Stateful Computations over Data Streams

数据流上的有状态计算。

具体而言：Apache Flink 是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算。

那么如何理解有状态计算呢？

有状态计算是指在程序计算过程中，在Flink程序内部存储计算产生的中间结果，并提供给后续Function或算子计算结果使用。
(比如，小明去车站坐大巴，大巴限载50人，小明上车后正好50人，于是发车了。这种人数的计算就是前面49个人数存储起来，加上小明1人，正好50人)

Flink 框架处理流程

Flink被设计在所有常见的集群环境中运行，以内存执行速度和任意规模来执行计算。

这里有很多专业词汇，我们从中至少可以提炼出一些容易理解的信息：Flink 是一个“框架”，是一个数据处理的“引擎”；既然是“分布式”，当然是为了应付大规模数据的应用场景了；另外，Flink 处理的是数据流。

所以，Flink 是一个流式大数据处理引擎。 而“内存执行速度”和“任意规模”，突出了 Flink 的两个特点：速度快、可扩展性强——这说的自然就是小松鼠的“快速”和“灵巧”了。

祝各位终有所成，收获满满 ！！！