先看下大数据的发展历程
随着公司业务的增加，各种场景都要大量的业务数据产生，对于这些不断产生的数据如何进行有效的处理？
由此诞生了大数据处理工具：

1. 数据存在关系型数据库，比如mysql，如何分析数据？
   早期一般都是采用批量数据分析的方式
   1.1 把数据丢到HDFS中，然后写mapReduce任务进行批数据分析（需要编写代码，麻烦）
   1.2 将HDFS的数据映射到HIVE中，通过写HQL 来完成数据的分析，背后的逻辑还是转成mapReduce任务 （方便）

2. 后来慢慢的对数据分析的实时性增加
   storm 可以对数据进行实时分析

如果一个公司有批数据处理和流数据处理的要求时，需要掌握上面所有技术

3. spark 早期支持批数据处理，后来支持流数据处理

一个优秀的计算框架需要支持批处理，流处理，支持SQL 处理

spark在流数据的处理上是微批处理，延迟比较大 （不是完全实时）

spark认为 流式处理是批处理的一个场景（微批）

4. flink 计算框架
   flink 任务 批处理是流式处理的一个场景
   可以针对批处理和流式数据都可以支持sql

有边界

有开始，有结束

无边界

有开始，无结束

Fink是一个支持批数据，流数据，支持sql的计算框架
事件驱动型的应用