只要時間不停萬事萬物都沒有靜止。我們所以為的靜態，不過是流中的乙個片段。 意味著流的世界，不在乎所謂的狀態，在乎的是變化，也就是事件的發生，通過事件來表示。
批量的時代，我們只記錄關鍵的資訊，只在乎當前的狀態，不會去記錄狀態是如何一步步變化至當前狀態的，計算所面向的資料也是靜態的，從乙個態的資料變化到另乙個靜態的資料。
流的時代我們在乎的是變化，也就是一系列的事件，我們計算所面臨將是時時刻刻在更新流動的資料。
這完全就上公升了乙個維度，就像四維生物可以穿梭於時間之中。
時間對流來說是至關重要的，因為這關係事件與事件之間的順序關係，一旦錯亂便有可能導致計算出的當前狀態是錯誤的。時間讓事件有了秩序。
資料來源不斷產生資料形成流，通過計算生成新的流，不斷去更新目標資料來源，實現結果資料的實時更新。
流式計算和批量計算的運算元無外乎都是那些資料的操作。區別就是批量面向的資料是一坨一坨打包好的，靜態的；流式面向的是流無限的資料。在分布式環境中批量計算是將計算移動到相應的資料上進行執行，而流式計算是將定義好的計算部署到分布式的節點上，讓資料在上面流動。
1.低延時。比如實時的pv、uv。 2.實時etl。例如行為資料join維表，近實時落入hdfs。 3.事件驅動場景。例如上面的cep。
第一部分說時間在流的世界觀中代表了事件的秩序，因為實時的環境會由於各種各樣的原因（比如網路延時）導致事件到達計算節點的順序和發生的順序很可能是不一樣的。
流計算面臨的是源源不斷流入的資料，而如果還像批量計算那樣的操作方式來計算的化，很可能就會導致計算根本無法結束，或者隨著時間的推移需要儲存的資料越來越多，導致記憶體爆掉。
因為資料是不斷產生的，所以需要計算是longlive的，一直存在。但時間長了出問題的概率大大增加，一旦掛掉，一些計算過程快取的資料怎麼儲存、怎麼恢復機會是個比較大的問題。
分布式環境下，共享資料實時同步，實現協同，這又是另乙個故事了。
流是實時的，那資料的速率就是不穩定的，就像明星結婚啥的，會有突發的高峰，如何能實時適應這樣的突發。
本文希望同學們能對流計算有個大概的了解，了解它的應用場景、架構、所面臨的難點。了解了這些接下來學習就有了方向。 關注我的主頁 www.jianshu.com/u/7478cf233… 一起學習大資料吧
FLINK流式概念
flink流式概念整理 動態表 1 將流轉換為動態表。2 在動態表上計算乙個連續查詢，生成乙個新的動態表。3 生成的動態表被轉換回流。時間屬性 時間屬性可以像普通的時間戳的列一樣被使用和計算。一旦時間屬性被用在了計算中，它就會被物化，進而變成乙個普通的時間戳。普通的時間戳是無法跟 flink 的時間...
Flink流式計算裡的時間和watermark機制
流計算 是相對於 批計算 來的，mapreduce，spark底層的計算方式是目前主流的 批計算 實現方式，很多公司在使用這種方式做大資料處理。但是越來越多的公司目前開始關注 流計算 主要有以下一些原因 1 對處理時間的要求。隨著技術的進步，使用者對 延遲 的忍受能力越來越弱，能更及時發現問題 解決...
flink 2 概念 有狀態的流式處理
傳統批處理方法是持續收取資料，以時間作為劃分多個批次的依據，再周期性地執行批次運算。但假設需要計算每小時出現事件轉換的次數，如果事件轉換跨越了所定義的時間劃分，跨越了批次的時間邊界，傳統批處理會將中介運算結果帶到下乙個批次進行計算 除此之外，當出現接收到的事件順序顛倒情況下，傳統批處理仍會將中介狀態...