深圳企业模板建站互联网营销公司
批量计算&弊端
1.1批量计算
对有界数据集的计算。有边界：数据有开始，也有结束
是对历史数据的计算
数据是一批一批地计算，来一批，处理一批
时效性较差、延迟较高
比较节省资源
1.2弊端
在一些**时效性**非常高的场景，批量计算力不从心。
* 实时监控网站的异常情况
* 实时监测道路的拥堵情况
* 双十一、618实时监控成交额情况
* 实时监测全国疫情爆发情况
流式计算
生活中的流式场景非常多，比如水流、车流、行人、电流等都是生活中的流场景。
数据是无边界的。**无边界**：数据有开始，但是数据是没有结束的
数据是源源不断产生的，是实时产生的
数据是来一条处理一条，实时产生，实时处理
* 页面埋点日志
* 城市道路交通大屏
* 打车
* 外卖
* 实时大屏/看板展示
流式计算，是一种计算思想。不涉及某一门计算框架。
只要是实现了流式计算思想的框架，那么它就是流式计算框架。
Flink只是实现了流式计算思想的一门框架而已。
除了Flink，还有其他的计算框架，也是实现了流式计算思想的。
Standalone模式下的任务提交
编辑/etc/profile文件，添加如下信息：
#FLINK_HOME目录
export FLINK_HOME=/export/server/flink
export PATH=$PATH:$FLINK_HOME/bin
添加完之后，source一下即可。
source /etc/profile
提交任务
#1.基础路径
cd ~#2.提交任务
flink --help
flink -h/--h/-help/--help这4个提示命令，总有一个会生效#3.提交命令
flink run /export/server/flink/examples/batch/WordCount.jar#4.查看结果
结果默认会打印在标准输出。#5.action说明【扩展】
Flink提供了很多的action操作：
run：运行一个任务
run-application：以Application的模式来运行任务
info：打印任务执行计划
list：列出当前正在运行的任务
stop：停止一个正在运行中的任务
cancel：取消一个正在运行中的任务Flink On Yarn模式
#1.启动HDFS
start-dfs.sh
#2.启动Yarn
start-yarn.sh
#3.添加Flink的兼容包
flink-shaded-hadoop-3-uber-3.1.1.7.2.9.0-173-9.0.jar
commons-cli-1.5.0.jar
上述这两个jar包都要放置在$FLINK_HOME/lib目录下。
Flink On Yarn可以有三种运行方式，也就是三种部署模式：
Session模式（会话模式）
Per-job模式（job分离模式）
Application模式（应用模式）
Flink可以基于上述3种模式中的任何一种来运行。