一、Flink的定义
Flnk是一个分布式处理引擎，用于在无边界和有边界数据流上进行有状态的计算。Flink能在常见集群环境中运行，并能以内存速度和任意规模进行计算。
二、有界流和无界流
Flink的核心是流处理，当然也支持批处理。Flink的本质是流处理，它将批处理看作是流处理的特殊情况，即有界流数据。而Spark恰恰相反，Spark是将流处理看做是批处理的特殊情况，将数据进行小的拆分，即微批处理。
有界流：定义了流的开始，也有定义流的结束。有界流在摄取从开始到结束这一阶段的所有数据后再进行计算，有界流处理通常被称为批处理。
无界流：定义了流的开始，但是没有定义流的结束，数据会源源不断的产生。无界流的数据必须持续处理，即数据被摄取后需要立刻进行处理，不能等到所有数据到达再处理，因为等不到结束。
三、有状态的计算架构
有状态计算是什么：可以把中间计算结果拿出来，新的数据进来时，可以基于这个中间结果进行计算。
Flink有状态计算的优势：
1.当有新的数据进来时，不需要把之前产生的数据拿出来进行全量计算，节约计算资源，提升性能。
2.Flink维护了这个中间结果，不需要开发者去处理，如把中间结果存在redis啊，mysql，省心效率还高。
四、Flink的优势和特点
1.高吞吐、低延迟、高性能
高吞吐：分布式架构，多台机器一起工作，一次可以处理很多数据。
低延迟：真正的流处理，来一条处理一条，无需等待。
高性能：内存计算，加上Flink内部的优化，计算快。
2.支持事件时间（Event Time）
事件时间：数据产生的时间。
处理时间：数据到达计算框架的时间。
在流计算中，经常会用到窗口计算，Spark窗口计算只支持处理时间，Flink可以既支持处理时间也支持事件时间。在分布式系统中，难免会出现乱序数据的情况。先产生的数据后到达流计算框架，如果还是采用处理时间计算数据的话，会影响计算结果的正确性，而使用事件时间就能够计算出精确的结果，避免了网络传输或硬件系统的影响。
五、Flink常用场景
实时风控
实时报表
实时数仓
实时推荐系统