引言
本文简要梳理下Flink实时计算平台提供的能力和功能点:
- 实时计算场景与特性
- 实时计算平台架构
- 功能点整理
一、实时计算场景与特性
1.常见实时计算场景归纳
- 实时推荐：千人千面个性化推送
- 实时监控：反欺诈以及触发风控的异常与预警
- 实时报表：促销活动实时大屏等
- 实时检索：实时索引的构建和检索等
- 实时处理：数据实时清洗和汇总的其他场景
2.Flink实时计算框架特点
- 低延迟：毫秒级延迟
- 高吞吐：千万每秒吞吐
- 准确性：Exactly-once 状态一致性
- 易用性：作业开发使用高阶的Flink SQL API&Table API
二、实时计算平台架构
1.数据流线路图
备注：
- 数据源：Binlog数据库数据增量订阅、SDK的埋点数据、Agent的上报数据、以及事件总线类数据
- 消息队列：数据源的数据被收集到消息队列中，通常选型Kafka
- Fink实时平台：Flink从消息队列消费数据跑作业任务
- 业务场景：由Flink任务类型支撑各类场景
2.架构示意图
备注：Table & SQL API通过Apache Calcite进行SQL解析，并转换成Calcite执行计划，最终调用Flink DataStream/DataSet API。
三、功能点整理
- 资源上传：上传执行作业的jar文件或者gitlab地址平台进行打包编译成jar包
- 创建作业：配置作业的jar、并发以及一些策略等信息
- 作业信息：展现作业的运行状态、重启等
- 事件日志：记录操作的详细日志
- 异常日志：展现作业的日志和错误信息
- SQL作业：任务SQL化，提供Flink SQL作业调试、语法校验、编辑提交等功能
