版权声明：尊重原创，转载请标明,本文转自 https://blog.csdn.net/high2011/article/details/85199030

说明

      本文基于 Flink -1.6.0 版本进行整理和分析，如有不妥之处，敬请指正。

内容

一、Flink 的技术栈

图片来源：https://ci.apache.org/projects/flink/flink-docs-release-1.6/internals/components.html

[code]注意
Table API & SQL 统一了 DataStream API 和 DataSet API ，所以，如果没有特殊业务场景，建议多使用 Table API  &SQL .

 二、Flink 分层架构

图片来源：https://ci.apache.org/projects/flink/flink-docs-release-1.6/concepts/programming-model.html

说明

1、Table  API & SQL:  描述性API ，基于优化。

2、DataStream API： 提供了比  ProcessFunction 更丰富的API。

3、ProcessFunction：最底层的 API

 

三 、对比Flink 分层架构中的技术 Stack

1、DataStream API 

执行 的Graph

特性

(1)流处理API

• 在Process Function基础上增加了了⼀一些内置Operators
• Join, filter, project, coGroup, connect, window…

(2)所写即所得

• 直接定义物理操作
• 不经过优化器优化
   

2、DataSet API

执行 Graph

特性

(1)批处理API

• 在Process Function基础上增加了了⼀一些内置Operators
• Join, filter, project, coGroup, connect, …
• sort, distinct, max, min, etc.

(2)经过Flink自带的优化器

•    不一定有用

3、SQL

• 批流统一
• 基于关系代数的标准查询语⾔言
• Apache Calcite优化

4、Table API  VS SQL

Table API	SQL	e.g
流批统一	Y	Y	SELECT/AGG/WINDOW etc.
功能扩展性	Y	N	FlatAGG/Iteration/Column operation etc.
表达方式扩展性	Y	N	map/flatMap/ Row.flatten()/minus.intersect etc
编译检查	Y	N	Java / Scala