身處大數據圈近5年了，在我的概念里一直認為大數據最牛的兩個東西是Hadoop和Spark。18年下半年的時候，我突然發現身邊很多大數據牛人都是研究學習Flink，甚至連Spark都大有被冷落拋棄的感覺。何以至此，Flink是個什么鬼？
Apache Flink（簡稱Flink）是一個分布式大數據處理引擎，可對有限數據流和無限數據流進行有狀態計算。可部署在各種集群環境，對各種大小的數據規模進行快速計算。
大數據生態圈很龐大，優秀的框架和組件就筆者了解的不下20個，為何Flink如此受寵？那么多人而且還是薪資待遇不錯的大數據技術人要痴迷於它？筆者總結一下，大概以下幾個原因：
1. 從技術角度來說，目前大數據計算引擎中， 能夠同時支持流處理和批處理的計算引擎，只有Spark和Flink。其中Spark的技術理念是基於批來模擬流的計算。而Flink則完全相反，它采用的是基於流計算來模擬批計算。從技術發展方向看，用批來模擬流有一定的技術局限性，並且這個局限性可能很難突破。而Flink基於流來模擬批，在技術上有更好的擴展性。
2. 從語言方面來說，雖然Flink和Spark都支持多種語言，但Flink核心語言是Java，而Spark核心語言是Scala。Java語言毫無疑問用戶基礎更大，無論從技術選型還是團隊人員穩定方面考慮，以Java作為核心語言的Flink更受偏愛。
3. 大公司的風向標作用， 阿里全面轉向Flink無疑是一個催化劑。目前，阿里巴巴所有的業務，包括阿里巴巴所有子公司都采用了基於Flink搭建的實時計算平台。其實不光阿里，國內很多一線的公司都投入很多人力和財力在Flink實時計算上。
4. 這個框架的性能表現確實很優秀， Flink最初上線阿里巴巴只有數百台服務器，目前規模已達上萬台，此等規模在全球范圍內也是屈指可數；基於Flink，阿里內部積累起來的狀態數據已經是PB級別規模；如今每天在阿里Flink的計算平台上，處理的數據已經超過萬億條；在峰值期間可以承擔每秒超過4.72億次的訪問，最典型的應用場景是阿里巴巴雙11大屏。對這方面感興趣的同學可以看看 阿里巴巴計算平台事業部資深技術專家莫問在雲棲大會的演講內容 —— 阿里巴巴為什么選擇Apache Flink？
5. 想彎道超車，大家都知道，大數據已經火了好幾年了，進入這行早的當然是沾盡了趨勢紅利，有新的好東西出來自然也有精力有興趣去研究學習。而稍晚的同學，也想彎道超車，占領更好的“坑”，提薪更不在話下。如果你已經在做大數據，學會Flink提薪5K不是難事，如果你還沒有進大數據這個領域，那么以Flink為主要方向不失為明智的想法。
那么，如何快速學習、學會Flink甚至成為Flink高手呢？現階段最直接的方式有三個：
1. 通過翻閱官方文檔，這種方式適合學習很多大數據技能，不過這種方式對個人英語水平要求高，同時也比較費時，學習起來相對費力，碰到問題也不太容易解決，需要找到組織，多人一起學習一起交流。有興趣的同學可加QQ群：732021751。
2. 通過看書學習，很遺憾，Flink這塊目前還沒有系統、實戰性強的書出來，預計還得再等等。
3. 看Flink老鳥的分享視頻，這個確實是一個可選方案，適合想快速學好Flink並積累一些項目經驗的同學。目前各大IT學習平台比較熱門的應該要數《Flink大數據項目實戰》這套視頻啦，感興趣的 -> 戳此鏈接。
