开发者学堂课程【大数据 Flink 实时旅游平台环境篇 2020版：环境篇之 flink 简介】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/643/detail/10707
环境篇之 flink 简介
内容介绍：
一、flink 部署
二、sandalone cluser HA 部署
一、flink 部署
flink 的部署分为以下四步：
1、 flink 的安装包解压
2、 flink 的核心文件配置
3、分发到其它服务器
4、测试flink集群
二、sandalone cluser HA 部署
Apache Flink- 数据流上的有状态计算
有状态例如之前内容中窗口的一些进入值
如下是官网对 flink 的一个简介图，可以分为三部分，左侧是数据源，中间是 flink 的分析引擎，右侧是结果存储。
在数据源中分为 Transactions 数据、日志数据、IOT 数据、Clicks 点击数据等
右侧 Real-time Events 是实时事件，针对操作等，称为事件
支持文件系统、数据库、pv 存储等
这两大类数据交给中间的 flink，flink 可以做事件驱动的应用、管道流、Stream 和Batch 的分析，这三个是 flink 的典型应用场景
下面 Resources|Storage
(K8s,Yarn,Mesos,...)|(HDFS,S3,NFS,...)
左侧是 flink 可以自己管理的资源框架，其中更多用到 Yarn 模式；右侧是数据的存储
第三部分接收管道流传入的数据，进行结果的存储
下图介绍到了一些相关内容，例如
所有流式场景：事件驱动应用、流批分析、数据管道 &ETL，可以点击了解更多在官网了解
正确性保证：Exactly-once 状态一致性、事件事件处理、成熟的迟到数据处理
分层 API：SQL on Stream & Batch Data、DataStream API & DataSet API、ProcessFunction(Time & State)
聚焦运维：灵活部署、高可用、保存点
大规模计算:水平扩展架构、支持超大状态、增量检查点机制
性能卓越：低延迟、高吞吐、内存计算
下图对 flink 的安装部署做简单介绍，首先 flink 支持 local 模式，直接解压就可以使用。
更多参与的是集群与部署：有独立集群、有 YARN、Mesos、Docker、Kubernetes、Native Kubernetes、Hadoop 集成几种模式。常见的是独立集群和 YARN，如果规模小使用独立集群就可以。
这些集群部署不是最优的，通常一个集群部署容易引起单点故障
单个 Jobmanager 容易引起 SPOF，也即是单点故障。所以通常使用高可用（HA）的部署模式，HA 具体什么样子如下图，有一个时间轴：t0时刻、t1时刻、t2时刻、t3时刻
右侧以三排服务器为讲解，第一排服务器 JobManager 是 leader，相当于在激活状态下，二和三是 Standby，相当于处在待命状态。即三个服务器都是一样角色，但是Leader 能够提供服务，Standby 提供实时的同步状态，当 leader 不能使用时，剩下的两个 Standby 中会选出一个 leader
t1时刻，1显示 CRASH，然后在2和3中选出一个 Leader，可以看到在 t2 时刻，leader 选举出来，1显示正在恢复 Recovering。之后在 t3 时刻，1显示成为Standby。
可以将 t0、t1、t2、t3 时刻之间的间隙缩小，无限缩小就会使我们感觉不到切换，该服务仍然是可用的。
