一、Flink是什么
Apache Flink是领先的流处理框架：以数据流为处理模型，支持有状态计算、事件时间处理与精确一次语义（Exactly-Once），广泛应用于实时数仓、实时风控、实时推荐、监控告警等场景。
与批处理对比：批处理（Spark等）处理静态数据集、有界数据；Flink原生流处理（无界数据流），同时通过流批一体支持批处理；实时性是Flink的核心价值，毫秒级延迟处理海量事件流。
二、Flink核心概念
核心概念：DataStream（数据流，无界/有界）、Transformation（转换算子：map、filter、keyBy、window、join）、Window（窗口：滚动、滑动、会话窗口）、Watermark（水印，处理乱序事件）、State（状态管理：键控状态、算子状态）、Checkpoint（检查点，故障恢复）。
处理语义：At-Most-Once（最多一次）、At-Least-Once（至少一次）、Exactly-Once（精确一次）；Flink通过Checkpoint与两阶段提交实现精确一次，是金融、计费等场景的刚需能力。
三、Flink架构与开发
架构组件：JobManager（作业调度与协调）、TaskManager（任务执行与状态管理）、Client（提交作业）；部署模式：Standalone、YARN、Kubernetes；2026年主流部署为Flink on K8s（容器化弹性伸缩）。
开发入门：Java/Scala API、Flink SQL（类SQL流处理，降低门槛）、Table API；典型代码结构：获取执行环境 → 定义数据源（Kafka等）→ 转换计算（算子）→ 定义输出（Sink）→ 提交执行；连接器生态（Kafka、MySQL、Hive、Iceberg）丰富。
四、Flink应用场景与学习建议
典型场景：实时数仓（实时ETL、实时指标）、实时风控（毫秒级规则判断）、实时推荐（用户行为实时计算）、实时监控告警（指标异常检测）、CDC数据同步（数据库变更实时捕获）。
学习建议：先理解流处理思想（有界vs无界、事件时间vs处理时间）→ 掌握Flink SQL快速上手 → 深入状态与容错机制 → 阅读源码与官方文档；配合实战项目（模拟Kafka数据流处理）；流式计算是大数据技术栈的进阶方向，掌握Flink让实时能力成为核心竞争力。