在 1.1 節中講解了日常開發常見的實時需求，然後分析了這些需求的實現方式，接著對比了實時計算和離線計算。隨著這些年大資料的飛速發展，也出現了不少計算的框架（hadoop、storm、spark、flink）。在網上有人將大資料計算引擎的發展分為四個階段。
或許會有人不同意以上的分類，筆者覺得其實這並不重要的，重要的是體會各個框架的差異，以及更適合的場景。並進行理解，沒有哪乙個框架可以完美的支援所有的場景，也就不可能有任何乙個框架能完全取代另乙個。
本文將對 flink 的整體架構和 flink 的多種特性做個詳細的介紹！在講 flink 之前的話，我們先來看看資料集型別和資料運算模型的種類。
資料集型別
那麼那些常見的無窮資料集有哪些呢？
大資料「重磅炸彈」 實時計算框架 Flink
apache flink 是一款面向資料流處理和批處理的可分布式的新一代大資料實時處理引擎，簡直是大資料中的 重磅炸彈 對於大資料開發者來說，實時計算一時爽，一直實時計算一直爽 對於有實時計算場景需求的後端開發也可以了解一下。本場 chat 首先會分析一下公司常見的實時計算場景需求有哪些，然後對實時...
大資料平台學習（一）實時計算框架和儲存
一 計算框架 storm，spark，flink簡介和區別 參考 0 框架流程 從各種 取訊息 流式系統 分布式流通，計算任務，業務等 輸出 後面具體業務ui等 1 storm 2 spark streaming 3 flink 二 儲存 hdfs hadoop分布式檔案系統 hdfs hbase,...
Hadoop（三） 大資料離線計算與實時計算
分享一下我老師大神的人工智慧教程吧。零基礎，通俗易懂！風趣幽默！1 mapreduce是處理hdfs上的資料 2 mapreduce的思想 是pagerank 搜尋排名 原理是進行分布式計算。如上圖，網頁跳轉中，訪問網頁3的次數最多，也就是權重最大的為網頁3。比如京東 中給推薦的商品，就是近期訪問的...