作者：簡(jiǎn)鋒

為陸港等地區(qū)用戶(hù)提供了全套網(wǎng)頁(yè)設(shè)計(jì)制作服務(wù)，及陸港網(wǎng)站建設(shè)行業(yè)解決方案。主營(yíng)業(yè)務(wù)為成都做網(wǎng)站、網(wǎng)站設(shè)計(jì)、陸港網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專(zhuān)業(yè)、用心的態(tài)度為用戶(hù)提供真誠(chéng)的服務(wù)。我們深信只要達(dá)到每一位用戶(hù)的要求，就會(huì)得到認(rèn)可，從而選擇與我們長(zhǎng)期合作。這樣，我們也可以走得更遠(yuǎn)！

引言

在談生態(tài)之前，我們來(lái)聊聊什么是生態(tài)。生態(tài)是指在某個(gè)特定領(lǐng)域，以某個(gè)組件為核心衍生出來(lái)其他多個(gè)組件，這些組件可以間接或者直接用到這個(gè)核心組件，然后輔助這個(gè)核心組件共同完成一個(gè)更大或者更特殊的任務(wù)。Flink生態(tài)圈就是指以Flink為核心的生態(tài)圈，F(xiàn)link屬于大數(shù)據(jù)生態(tài)里的計(jì)算環(huán)節(jié)，只做計(jì)算，不做存儲(chǔ)。但是在實(shí)際工作當(dāng)中，你會(huì)發(fā)現(xiàn)往往單獨(dú)用Flink是不夠的。比如你的數(shù)據(jù)是從哪里讀出來(lái)，F(xiàn)link計(jì)算完之后數(shù)據(jù)又將存到哪里，又怎么消費(fèi)這些數(shù)據(jù)。如何利用Flink來(lái)完成某個(gè)垂直領(lǐng)域的特殊任務(wù)等等。這些涉及到上下游，或者更高抽象的任務(wù)都需要一個(gè)強(qiáng)大的生態(tài)圈來(lái)完成。

Flink生態(tài)的現(xiàn)狀

在講清楚了什么是生態(tài)之后，我們來(lái)聊聊目前Flink生態(tài)的現(xiàn)狀。整體而言Flink生態(tài)還處于相對(duì)初級(jí)的階段。Flink生態(tài)目前主要側(cè)重于各種上下游的connector和對(duì)各種集群的支持。

截至目前Flink支持的connector有：Kafka，Cassandra，Elasticsearch，Kinesis，RabbitMQ，JDBC，HDFS等等，基本支持所有主流數(shù)據(jù)源。在集群支持方面，目前Flink支持Standalone和YARN。基于目前生態(tài)的狀況，F(xiàn)link仍然主要應(yīng)用于流數(shù)據(jù)的計(jì)算。如果要用Flink要做其他一些場(chǎng)景（機(jī)器學(xué)習(xí)，交互式分析）就會(huì)比較復(fù)雜，用戶(hù)體驗(yàn)上還有很大的提升空間。這也正是Flink生態(tài)所面臨的挑戰(zhàn)和機(jī)遇。

Flink生態(tài)的挑戰(zhàn)和機(jī)遇

Flink致力于作為一個(gè)批流統(tǒng)一的大數(shù)據(jù)計(jì)算平臺(tái)，還有很多潛力沒(méi)有發(fā)揮出來(lái)，要完全發(fā)揮出它的潛力，就需要一個(gè)強(qiáng)大的生態(tài)系統(tǒng)。總的來(lái)說(shuō)我們可以從2個(gè)維度來(lái)看這個(gè)生態(tài)系統(tǒng)：

1. 橫向維度。 橫向維度的生態(tài)主要是為構(gòu)建一個(gè)端到端的解決方案。比如連接上下游數(shù)據(jù)源的各種connector，與下游機(jī)器學(xué)習(xí)框架的整合，與下游BI工具的整合，方便提交和運(yùn)維Flink Job的工具，提供更好交互式分析體驗(yàn)的Notebook。

2. 縱向維度。縱向維度是指更加抽象化Flink的計(jì)算引擎以適應(yīng)各種計(jì)算場(chǎng)景。比如批流計(jì)算的統(tǒng)一，更高計(jì)算抽象層Table API，復(fù)雜事件處理引擎（CEP），更高機(jī)器學(xué)習(xí)計(jì)算框架（Flink ML），對(duì)各種集群框架的適配等等。

下圖是對(duì)整個(gè)Flink生態(tài)在橫向和縱向2個(gè)維度的描述。

接下來(lái)我會(huì)對(duì)幾個(gè)主要的生態(tài)點(diǎn)進(jìn)行逐個(gè)闡述

Flink對(duì)Hive的集成和支持

Apache Hive是一個(gè)有將近10年歷史的Apache頂級(jí)項(xiàng)目。項(xiàng)目最初在MapReduce引擎的基礎(chǔ)上封裝了SQL，用戶(hù)不再需要寫(xiě)復(fù)雜的MapReduce Job，而只需寫(xiě)簡(jiǎn)單熟悉的SQL語(yǔ)句，用戶(hù)的SQL會(huì)被翻譯成一個(gè)或多個(gè)MapReduce Job。隨著項(xiàng)目的不斷演進(jìn)，Hive的計(jì)算引擎發(fā)展成可以插拔式，比如，現(xiàn)在Hive就支持MR, Tez, Spark 3種計(jì)算引擎。Apache Hive現(xiàn)在已經(jīng)成為Hadoop生態(tài)圈中事實(shí)上數(shù)據(jù)倉(cāng)庫(kù)的標(biāo)準(zhǔn)，很多公司的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)已經(jīng)在Hive上運(yùn)轉(zhuǎn)了很多年。

Flink作為一個(gè)批流統(tǒng)一的計(jì)算框架，與Hive的集成就變得很自然了。比如通過(guò)Flink來(lái)做實(shí)時(shí)ETL，構(gòu)建實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)，然后用Hive SQL做實(shí)時(shí)數(shù)據(jù)的查詢(xún)。

Flink社區(qū)已經(jīng)創(chuàng)建了 FLINK-10556 來(lái)對(duì)Hive更好的集成和支持。主要實(shí)現(xiàn)的功能有以下幾點(diǎn):

• 允許Flink訪(fǎng)問(wèn)Hive的元數(shù)據(jù)

• 允許Flink訪(fǎng)問(wèn)Hive的表數(shù)據(jù)

• Flink兼容Hive的數(shù)據(jù)類(lèi)型

• Flink可以使用Hive UDF

• 可以在Flink里使用Hive SQL（包括DML和DDL）

Flink社區(qū)正在逐漸實(shí)現(xiàn)以上功能。如果你想提前體驗(yàn)以上功能，可以試用阿里巴巴開(kāi)源的Blink。開(kāi)源的Blink已經(jīng)在元數(shù)據(jù)(meta data)和數(shù)據(jù)層將Flink和Hive對(duì)接和打通， 用戶(hù)可以直接用Flink SQL去查詢(xún)Hive的數(shù)據(jù)，真正能夠做到在Hive引擎和Flink引擎之間的自由切換。為了打通元數(shù)據(jù)，Blink重構(gòu)了Flink catalog的實(shí)現(xiàn)，并且增加了兩種catalog，一個(gè)是基于內(nèi)存存儲(chǔ)的FlinkInMemoryCatalog，另外一個(gè)是能夠橋接Hive MetaStore的HiveCatalog。有了這個(gè)HiveCatalog，F(xiàn)link作業(yè)就能讀取Hive的MetaData。為了打通數(shù)據(jù)，Blink實(shí)現(xiàn)了HiveTableSource，使得Flink job可以直接讀取Hive中普通表和分區(qū)表的數(shù)據(jù)。因此，通過(guò)這個(gè)版本，用戶(hù)可以使用Flink SQL讀取已有的Hive meta和data，做數(shù)據(jù)處理。未來(lái)阿里巴巴將在Flink上繼續(xù)加大對(duì)Hive兼容性的支持，包括支持Hive特有的query，data type，和Hive UDF等等，這些改進(jìn)都會(huì)陸續(xù)回饋到Flink社區(qū)。

Flink對(duì)交互式分析的支持

批處理是流處理之外另一個(gè)更大的應(yīng)用場(chǎng)景。而交互式分析又是批處理的一個(gè)大類(lèi)，特別對(duì)于數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家，交互式分析尤為重要。

對(duì)于交互式分析，F(xiàn)link本身需要做進(jìn)一步的改進(jìn)，以提高Flink在交互式分析方面的性能要求。比如 FLINK-11199，現(xiàn)在在同一個(gè)Flink App中的多個(gè)Job之間是沒(méi)法共享數(shù)據(jù)的，每個(gè)Job的DAG是獨(dú)立的，F(xiàn)LINK-11199 就是要解決這個(gè)問(wèn)題，從而對(duì)交互式分析提供更友好的支持。

此外，我們需要提供一個(gè)交互式分析的平臺(tái)讓數(shù)據(jù)分析師/數(shù)據(jù)科學(xué)家更高效得使用Flink。在這方面Apache Zeppelin已經(jīng)做了很多工作。 Apache Zeppelin也是Apache的頂級(jí)項(xiàng)目，Zeppelin提供一個(gè)交互式開(kāi)發(fā)環(huán)境，支持Scala，Python，SQL等多種語(yǔ)言，此外Zeppelin天然具有極強(qiáng)的可擴(kuò)展性，支持多種大數(shù)據(jù)引擎，比如Spark，Hive，Pig等等。阿里巴巴做了大量的工作讓Zeppelin能夠更好的支持Flink。用戶(hù)可以直接在Zeppelin里面寫(xiě)Flink代碼（Scala或者SQL），而不用在本地打包，然后用bin/flink腳本來(lái)手動(dòng)提交Job，在Zeppelin里你可以直接提交Job，然后看到Job的結(jié)果，Job結(jié)果既可以是文本形式，也可以是可視化出來(lái)，特別對(duì)于SQL的結(jié)果，可視化尤為顯得重要。下面這些是Zeppelin對(duì)Flink支持的一些要點(diǎn)：

• 支持3種運(yùn)行模式：Local, Remote和Yarn

• 支持運(yùn)行Scala，Batch Sql和Stream Sql

• 支持可視化靜態(tài)table和動(dòng)態(tài)table

• 自動(dòng)關(guān)聯(lián)Job URL

• 支持Cancel Job

• 支持Flink job的savepoint

• 支持ZeppelinContext的高級(jí)功能，比如創(chuàng)建控件

• 提供3個(gè)tutorial notes: Streaming ETL, Flink Batch Tutorial, Flink Stream Tutorial

這些改動(dòng)有些是在Flink上的，有些是在Zeppelin上的。在這些改動(dòng)全部推回Flink和Zeppelin社區(qū)之前，大家可以使用這個(gè)Zeppelin Docker Image (Blink開(kāi)源文檔里的examples中有具體如何下載安裝的細(xì)節(jié))來(lái)測(cè)試和使用這些功能。為了方便用戶(hù)試用，我們?cè)谶@一版zeppelin中提供3個(gè)built-in的Flink tutorial的例子: 一個(gè)是做Streaming ETL的例子, 另外兩個(gè)分別是做Flink Batch, Flink Stream的基礎(chǔ)樣例。具體如何使用，可以參考以下2個(gè)鏈接

• https://flink-china.org/doc/blink/ops/zeppelin.html

• https://flink-china.org/doc/blink/quickstart/zeppelin_quickstart.html

Flink對(duì)機(jī)器學(xué)習(xí)的支持

Flink作為一個(gè)大數(shù)據(jù)架構(gòu)中最重要的計(jì)算引擎組件，目前主要的應(yīng)用場(chǎng)景還是在做傳統(tǒng)的數(shù)據(jù)計(jì)算和處理，也就是傳統(tǒng)的BI（比如實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)，實(shí)時(shí)統(tǒng)計(jì)報(bào)表等等）。而21世紀(jì)將是一個(gè)AI爆發(fā)的世紀(jì)，越來(lái)越多的企業(yè)和行業(yè)開(kāi)始啟用AI技術(shù)來(lái)重新革命自己的行業(yè)。Flink作為一個(gè)大數(shù)據(jù)計(jì)算引擎在這一革命中不可或缺。雖然Flink并不是為機(jī)器學(xué)習(xí)而生的，但是在機(jī)器學(xué)習(xí)中也將扮演不可或缺的角色。未來(lái)Flink在機(jī)器學(xué)習(xí)領(lǐng)域主要有3件大事可以做

• 機(jī)器學(xué)習(xí)Pipeline的構(gòu)建

• 傳統(tǒng)機(jī)器學(xué)習(xí)算法的支持

• 與其他深度學(xué)習(xí)框架的整合

機(jī)器學(xué)習(xí)主要分2個(gè)階段：Training和Predication。但Training和Predication只是做機(jī)器學(xué)習(xí)的一小部分，在Training之前要做數(shù)據(jù)的清洗，轉(zhuǎn)換以及Normalization等等，Training之后要做Model的Evaluation。Predication階段也是如此。對(duì)于一個(gè)復(fù)雜的機(jī)器學(xué)習(xí)系統(tǒng)，如何將每個(gè)步驟很好的整合起來(lái)對(duì)于一個(gè)系統(tǒng)的健壯性和可擴(kuò)展性顯得尤為重要。FLINK-11095 就是社區(qū)為此正在做的努力。

目前Flink有個(gè)flink-ml的模塊實(shí)現(xiàn)了一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法，但是仍然需要進(jìn)一步的改進(jìn)。

對(duì)于深度學(xué)習(xí)的支持，F(xiàn)link社區(qū)也在這個(gè)領(lǐng)域也在積極努力。阿里巴巴內(nèi)部有TensorFlow on Flink的項(xiàng)目，用戶(hù)可以在Flink Job中運(yùn)行Tensorflow，F(xiàn)link做數(shù)據(jù)處理，然后將處理完之后的數(shù)據(jù)發(fā)送給Tensorflow的Python進(jìn)程做深度學(xué)習(xí)訓(xùn)練。在語(yǔ)言層面，F(xiàn)link正在做對(duì)Python的支持。目前Flink只支持Java和Scala的API。這2種語(yǔ)言都是基于JVM的語(yǔ)言，比較適合做系統(tǒng)的大數(shù)據(jù)工程師，而不適合做數(shù)據(jù)分析的Data Analyst和做機(jī)器學(xué)習(xí)的Data Scientist。做數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的人一般會(huì)比較喜歡用Python和R等這類(lèi)更高級(jí)的語(yǔ)言。目前Flink社區(qū)也在這方面努力，首先Flink會(huì)支持Python, 社區(qū)已經(jīng)在這塊開(kāi)始討論，因?yàn)镻ython在近幾年發(fā)展的特別快，這主要得益于AI和Deep Learning的發(fā)展。目前流行的Deep Learning的library都提供Python的API，比如TensorFlow，Pytorch，Keras等等。通過(guò)對(duì)Python語(yǔ)言的支持，用戶(hù)可以用一種語(yǔ)言將整個(gè)機(jī)器學(xué)習(xí)的Pipeline串接起來(lái)，從而提高開(kāi)發(fā)的效率。

Flink Job的提交和運(yùn)維

在開(kāi)發(fā)環(huán)境里，一般是通過(guò)執(zhí)行shell 命令 bin/flink run 來(lái)提交Flink Job。但在真正生產(chǎn)環(huán)境里面，這種方式就會(huì)有很多問(wèn)題。比如如何跟蹤管理Job的狀態(tài)，在Job失敗的情況下如何重試，如何并發(fā)啟動(dòng)多個(gè)Flink Job，如何方便修改提交Job的參數(shù)等等。這些問(wèn)題雖然可以通過(guò)人工干預(yù)來(lái)解決，但在生產(chǎn)環(huán)境里人工干預(yù)是最危險(xiǎn)的，能自動(dòng)化的操作我們都要將其自動(dòng)化。在Flink生態(tài)圈里目前的確缺少這樣一個(gè)工具。阿里巴巴內(nèi)部已經(jīng)有了這樣一個(gè)工具，而且在生產(chǎn)環(huán)境里穩(wěn)定運(yùn)行了很長(zhǎng)時(shí)間，已經(jīng)被實(shí)踐證明是一個(gè)可靠穩(wěn)定的提交和運(yùn)維Flink Job的工具。目前阿里巴巴正在準(zhǔn)備開(kāi)源這個(gè)項(xiàng)目，剝離一些阿里巴巴內(nèi)部依賴(lài)的組件，預(yù)計(jì)2019年上半年會(huì)開(kāi)源。

總的來(lái)說(shuō)，F(xiàn)link生態(tài)目前問(wèn)題很多，機(jī)會(huì)也很多。Apache Flink社區(qū)在不斷努力去構(gòu)建一個(gè)更加強(qiáng)大的Flink生態(tài)來(lái)發(fā)揮其強(qiáng)大的計(jì)算引擎能力，希望有志參與其中的人可以積極參與，讓我們一起努力來(lái)構(gòu)建一個(gè)健康強(qiáng)大的Flink生態(tài)圈。

更多資訊請(qǐng)?jiān)L問(wèn) Apache Flink 中文社區(qū)網(wǎng)站

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線(xiàn)，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性?xún)r(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專(zhuān)為企業(yè)上云打造定制，能夠滿(mǎn)足用戶(hù)豐富、多元化的應(yīng)用場(chǎng)景需求。

本文題目：ApacheFlink?生態(tài)所面臨的機(jī)遇與挑戰(zhàn)-創(chuàng)新互聯(lián)
瀏覽路徑：http://m.newbst.com/article20/coipco.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供做網(wǎng)站、網(wǎng)站排名、全網(wǎng)營(yíng)銷(xiāo)推廣、靜態(tài)網(wǎng)站、軟件開(kāi)發(fā)、小程序開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)