作為實時計算領域的佼佼者，Flink 的基本組件同樣值得我們仔細研究。
Flink 同樣遵循着分層的架構設計理念，在降低系統耦合的同時，也為上層用戶構建 Flink 應用提供了豐富且友好的接口。
Flink 分層架構，從上到下依次是：API & Libraries 層、Runtime 核心層 和 物理部署層
API & Libraries 層
作為分布式數據處理框架，Flink 同時提供了支撐流計算和批計算的接口，同時在此基礎上抽象出不同的應用類型的組件庫，如基於流處理的 CEP （復雜事件處理庫），SQL & TABLE 庫 和 基於批處理的 FlinkML（機器學習庫），Gelly（圖處理庫）等。
API 層包括構建流計算應用的 DataStream API 和批計算應用的 DataSet API，兩者都是提供給用戶豐富的數據處理高級 API，例如 Map，FlatMap 等，同時也提供比較低級的 Process Function API ，用戶可以直接操作狀態和時間等底層數據。
Runtime 核心層
該層主要負責對上層不同接口提供基礎服務，也是 Flink 分布式計算框架的核心實現層，支持分布式 Stream 作業的執行、JobGraph 到 ExecutionGraph 的映射轉換、任務調度等。
將 DataStream 和 DataSet 轉成統一的可執行的 Task Operator，達到在流式引擎下同時處理批量計算和流式計算的目的
物理部署層
該層主要涉及 Flink 的部署模式，目前 Flink 支持多種部署模式：本地、集群（Standalone / YARN）、雲（GCE / EC2）、kubenetes。
flink 能夠通過該層支持不同平台的部署，用戶可以根據需要選擇使用對應的部署模式。
更多精彩，關注微信公眾號：黑科技部落
