从近年来的发展趋势来看，Flink所受到的关注也越来越多。大数据处理的相关技术框架，从Hadoop到Spark，Storm、Flink，在各个应用场景下，不同的技术框架，各自表现出来的性能优势也都不同。今天的Flink大数据开发分享，我们主要来分享一下Flink技术框架入门。
在Hadoop之后，受到广泛青睐的是Spark，也被称为是主流选择的第二代技术框架，而Flink，在这些年的发展当中，隐隐有了下一代大数据主流框架的架势。
从大数据处理的需求来看，批处理和流处理都是普遍存在的需求，目前市面上能够同时支持批处理和流处理的框架，Spark和Flink都拥有姓名。Spark是基于批来模拟流的计算，而Flink则基于流计算来模拟批计算。
在国内，提起Flink，阿里是忠实的拥护者，几乎所有业务线都采用了基于Flink搭建的实时计算平台，美团、滴滴等公司，也在使用Flink作为企业的分布式大数据处理引擎。
而Flink之所以受到重用，与框架自身的优势性能有重要的关系。
Flink通过实现Google Dataflow流式计算模型实现了高吞吐，低延迟，高性能兼具实时流式计算框架。
同时Flink支持高效容错的状态管理，Flink能够将其状态维护在内存或RockDB数据库中，为了防止状态在计算过程中因为系统异常而出现丢失，Flink周期性的通过分布式快照技术CheckPoints实现状态的持久化维护，使得在系统即使在停机或者异常的情况下都能正确的进行状态恢复，从而保证在任何时间都能计算出正确的结果。
Flink是一套集高吞吐，低延迟，高性能三者于一身的分布式流式数据处理框架。相比于Spark和Storm，有着更加显著的优势。
Spark只能兼顾高吞吐和高性能特性，在Spark Streaming流式计算中无法做到低延迟保障；而Apache Storm只能支持低延迟和高性能特性，但是无法满足高吞吐的要求。只有Flink，才算是真正达成了高吞吐，低延迟，高性能的目标。
关于Flink大数据开发，Flink技术框架入门，以上就是简单的介绍了。在大数据技术框架的发展流变当中，Flink无疑是站在了新一轮技术框架的“潮头”，受到越来越多的企业的青睐。
标签：入门,框架,吞吐,Flink,流式,计算,Spark 来源： https://blog.csdn.net/shuimuzh123/article/details/116239942
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。