1. Flink概述
Flink是什么
Flink是一个面向数据流解决和批处理的分布式开源计算框架。
无界流VS有界流
任何类型的数据都能够造成流数据，比方用户交互记录， 传感器数据，事件日志等等。
Apache Flink 善于解决无界和有界数据集。 准确的工夫管制和有状态的计算，使得 Flink可能运行任何解决无界流的利用。
流数据分为无界流和有界流。
1） 无界流：有定义流的开始，但没有定义流的完结， 会不停地产生数据，无界流采纳的是流解决形式。
2） 有界流：有定义流的开始， 也有定义流的完结， 须要在获取所有数据后再进行计算，有界流采纳的是批处理形式。
编程模型
DataSet 个别用来解决有界流数据。
DataStream个别用来解决无界流数据。
2. 利用场景-智能举荐
什么是智能举荐？
定义： 依据用户行为习惯所提供的数据， 零碎提供策略模型，主动举荐合乎用户行为的信息。
例举：
比方依据用户对商品的点击数据（工夫周期，点击频次）， 举荐相似的商品；
依据用户的评估与满意度， 举荐适合的品牌；
依据用户的应用习惯与点击行为，举荐相似的资讯。
利用案例：
小红书举荐零碎
实时流解决
Flink解决（新一代大数据处理引擎）
3. 利用场景-实时数仓
1）什么是实时数仓
数据仓库（Data Warehouse）,可简写为DW或DWH，是一个宏大的数据存储汇合，通过对各种业务数据进行筛选与整合，生成企业的剖析性报告和各类报表，为企业的决策提供反对。实时仓库是基于Storm/Spark（Streaming）/Flink等实时处理框架，构建的具备实时性特色的数据仓库。
2）利用案例
剖析物流数据， 晋升物流解决效率。
3）阿里巴巴菜鸟网络实时数仓设计：
4）数仓分层解决架构（也称流式ETL）：
ODS -> DWD -> DWS -> ADS
ODS（Operation Data来源gao*daima.com搞@代#码网 Store）：操作数据层， 个别为原始采集数据。
DWD(Data Warehouse Detail) ：明细数据层， 对数据通过荡涤，也称为DWI。
DWS(Data Warehouse Service)：汇总数据层，基于DWD层数据， 整合汇总成剖析某一个主题域的服务数据，个别是宽表， 由多个属性关联在一起的表， 比方用户行为日志信息：点赞、评论、珍藏等。
ADS(Application Data Store): 利用数据层， 将后果同步至RDS数据库中， 个别做报表出现应用。
4. 利用场景-大数据分析利用
IoT数据分析
1) 什么是IoT
物联网是新一代信息技术，也是将来倒退的趋势，英文全称为： Internet of things（IOT），顾名思义， 物联网就是万物相联。物联网通过智能感知、辨认技术与普适计算等通信感知技术，广泛应用于网络的交融中，也因而被称为继计算机、互联网之后世界信息产业倒退的第三次浪潮。
2) 利用案例
物联网设施经营剖析：
华为Iot数据分析平台架构：
智慧城市
城市中汽车越来越多， 川流不息，高德地图等APP通过技术手段采集了越来越多的摄像头、车流的数据。
但路线却越来越拥挤，越来越多的城市开始通过大数据技术， 对城市履行智能化治理。
2018年， 杭州采纳AI智慧城市，均匀通行速度进步15%，监控摄像头日报警次数高达500次，辨认准确率超过92%，AI智慧城市通报占整体95%以上，在中国城市交通堵塞排行榜， 杭州从中国第5名降至57名。
金融风控
危险是金融机构业务固有个性，与金融机构相伴而生。金融机构盈利的起源就是承担风险的危险溢价。
金融机构中常见的六种危险：市场危险、信用风险、流动性危险、操作危险、名誉危险及法律危险。其中最次要的是市场危险和信用风险。
线上信贷流程，通过后盾大数据系统进行反欺诈和信用评估：
电商行业
用户在电商的购物网站数据通过实时大数据分析之后， 通过大屏汇总展现， 比方天猫的双11购物流动，通过大屏， 将全国上亿买家的订单数据可视化，实时性的动静展现，蕴含总览数据，流式TopN数据，多维区域统计数据等，极大的加强了对海量数据的可读性。
TopN排行：
区域统计：
本文由mirson创作分享，如需进一步交换，请加QQ群：19310171或拜访www.softart.cn
转载请注明原文链接：关于java:Fllink实时计算运用一概述与应用场景
