Flink的问题总结

目录

1、Flink 的四大核心特性（基础）

2、Flink 中包含哪些数据源，哪些输出目标，以及各类处理操作（方法）

3、侧道输出流的定义及其应用场景

4、在 Flink 中如何将两个数据流整合为单一的数据流

5、Flink 中实现两个数据流连接的方式

6、Flink 中支持的窗口类型，滑动窗口与滚动窗口的概念

7、Flink 中涉及的时间语义种类，针对 event_time 数据延迟问题的处理方式（数据乱序情况）

8、Flink 中状态的含义，具体有哪些状态类型，实际使用过哪些状态

Keyed State （键控状态）

9、Flink 中 checkpoint 的作用及配置方法。

10、Flink 的重启策略（适用于流式计算场景的重启机制）

11、维表 join 的概念及其实现方式，在哪些场景中应用过维表 join

1、 维表预加载方式

2、 热存储维表方式

12、如何通过 FlinkSQL 从 Kafka 或 MySQL 读取数据。

---

1、Flink 的四大特征（基石）

Checkpoint ：借助Chandy-Lamport算法，达成分布式一致性快照的构建，从而保障了系统的一致性语义。
State ：状态可被视作历史运算结果的集合，依据是否保存运算状态，可分为有状态运算与无状态运算两类。