【Flink】Flink 起源和设计理念

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: 【1月更文挑战第26天】【Flink】Flink 起源和设计理念

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。2014年4月,Stratosphere的代码被复制并捐赠给了Apache软件基金会,Flink就 是在此基础上被重新设计出来的。 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HadoopHive?),更是因为 松鼠这种小动物完美地体现了“快速、灵巧”的特点。关于 logo 的颜色,还一个有趣的缘由: 柏林当地的松鼠非常漂亮,颜色是迷人的红棕色;而Apache软件基金会的logo,刚好也是一 根以红棕色为主的渐变色羽毛。于是,Flink的松鼠Logo就设计成了红棕色,而且拥有一个漂 亮的渐变色尾巴,尾巴的配色与Apache软件基金会的logo一致。这只松鼠色彩炫目,既呼应 了Apache 的风格,似乎也预示着Flink未来将要大放异彩。

从命名上,我们也可以看出Flink项目对于自身特点的定位,那就是对于大数据处理,要 做到快速和灵活。

  1. 2014 年 8 月,Flink 第一个版本 0.6 正式发布(至于 0.5 之前的版本,那就是在 Stratosphere 名下的了)。与此同时Fink的几位核心开发者创办了Data Artisans 公司, 主要做Fink的商业应用,帮助企业部署大规模数据处理解决方案。
  2. 2014年12月,Flink项目完成了孵化,一跃成为Apache软件基金会的顶级项目。
  3. 2015年4月,Flink发布了里程碑式的重要版本0.9.0,很多国内外大公司也正是从这 时开始关注、并参与到Flink社区建设的。
  4. 2019年1月,长期对Flink投入研发的阿里巴巴,以9000万欧元的价格收购了Data Artisans 公司;之后又将自己的内部版本Blink开源,继而与8月份发布的Flink 1.9.0 版本进行了合并。自此之后,Flink 被越来越多的人所熟知,成为当前最火的新一代 大数据处理框架。

由此可见,Flink从真正起步到火爆,只不过几年时间。在这短短几年内,Flink从最初的 第一个稳定版本0.9,到目前本书编写期间已经发布到了 1.13.0,这期间不断有新功能新特性 加入。从一开始,Flink就拥有一个非常活跃的社区,而且一直在快速成长。到目前为止,Flink 的代码贡献者(Contributors)已经超过800人,并且Flink已经发展成为最复杂的开源流处理 引擎之一,得到了广泛的应用。

根据Apache 软件基金会发布的2020 年度报告,Flink项目的社区参与和贡献依旧非常活 跃,在Apache旗下的众多项目中保持着多项领先:

  • 邮件列表(Mailing List)活跃度,排名第一
  • 代码提交(Commits)数,排名第二
  • GitHub 访问量,排名第二

Flink 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。 我们需要记住Flink的官网主页地址:

https://flink.apache.org/

在Flink 官网主页的顶部可以看到,项目的核心目标,是“数据流上的有状态计算”(Stateful Computations over Data Streams)。 具体定位是: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。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。

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
2月前
|
消息中间件 Kafka Apache
Apache Flink 是一个开源的分布式流处理框架
Apache Flink 是一个开源的分布式流处理框架
482 5
|
4月前
|
SQL 运维 API
Apache Flink 学习教程----持续更新
Apache Flink 学习教程----持续更新
237 0
|
1月前
|
SQL Java API
官宣|Apache Flink 1.19 发布公告
Apache Flink PMC(项目管理委员)很高兴地宣布发布 Apache Flink 1.19.0。
1339 1
官宣|Apache Flink 1.19 发布公告
|
1月前
|
SQL Apache 流计算
Apache Flink官方网站提供了关于如何使用Docker进行Flink CDC测试的文档
【2月更文挑战第25天】Apache Flink官方网站提供了关于如何使用Docker进行Flink CDC测试的文档
142 3
|
1月前
|
XML Java Apache
Apache Flink自定义 logback xml配置
Apache Flink自定义 logback xml配置
151 0
|
1月前
|
消息中间件 Java Kafka
Apache Hudi + Flink作业运行指南
Apache Hudi + Flink作业运行指南
85 1
|
1月前
|
缓存 分布式计算 Apache
Apache Hudi与Apache Flink更好地集成,最新方案了解下?
Apache Hudi与Apache Flink更好地集成,最新方案了解下?
60 0
|
1月前
|
监控 Apache 开发工具
Apache Flink 1.12.2集成Hudi 0.9.0运行指南
Apache Flink 1.12.2集成Hudi 0.9.0运行指南
67 0
|
1月前
|
SQL Java Apache
超详细步骤!整合Apache Hudi + Flink + CDH
超详细步骤!整合Apache Hudi + Flink + CDH
77 0
|
1月前
|
SQL 消息中间件 Kafka
使用 Apache Flink 和 Apache Hudi 创建低延迟数据湖管道
使用 Apache Flink 和 Apache Hudi 创建低延迟数据湖管道
41 3
使用 Apache Flink 和 Apache Hudi 创建低延迟数据湖管道