Filnk简介
1. flink和spark的区别
2. 流处理和批处理
3. 无界流和有界流
4. 流处理和批处理
-
流处理
- 批处理
5. 离线计算和实时计算的区别
6. 实时计算面临的挑战
1.数据处理唯一性（如何保证数据只处理一次？至少一次？最多一次？）
2.数据处理的及时性（采集的实时数据量太大的话可能会导致短时间内处理不过来，如何保证数据能够及时的处理，不出现数据堆积？）
3.数据处理层和存储层的可扩展性（如何根据采集的实时数据量的大小提供动态扩缩容？）
4.数据处理层和存储层的容错性（如何保证数据处理层和存储层高可用，出现故障时数据处理层和存储层服务依旧可用？）
7. 什么是Flink?
8. Flink's feature
9. Blink
Flink技术栈
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
