Flink基础教程

为何选择

Flink

｜

3

且复杂的系统。并且，传统的做法还会带来数据丢失、延迟、错误的聚合

结果等问题。这样的结果怎能对商业领域有所帮助呢？

假设你正在向首席执行官汇报上一季度的销售数据，你肯定不想事后因为

使用了不准确的数据而不得不向首席执行官更正汇报结果。如果不能良好

地处理点击数据，你很可能对网站点击量进行不准确的计算，这将导致广

告投放报价和业绩数字不准确。

航空旅客服务业面临同样的挑战：航空公司需要快速、准确地处理从各种

渠道获得的大量数据。例如，当为一名旅客办理登机手续时，需要对该旅

客的机票预订数据进行核对，还需要核对行李处理信息、航班状态信息和

账单信息。如果没有强大的技术来支持流处理，这种规模的数据是很难不

出错的。近几年，美国四大航空公司中有三家都出现了大面积的服务中断，

这几次故障都可以归咎于大规模实时数据处理失败。

当然，很多相关问题（如怎样避免重复预订酒店或演唱会门票），一般都能

够通过有效的数据库操作来解决，但是这种操作相当费钱，也费精力。尤

其当数据量增加时，成本会飙升，并且在某些情况下，数据库的反应速度

会变得特别慢。由于缺乏灵活性，开发速度受到影响，项目在庞大又复杂

或者不断发生变化的系统中进展缓慢。想要在大型系统中处理流数据，并

且在保持一致性的同时有效地控制成本，难度非常大。

幸运的是，现代的流处理器经常可以用新的方式解决这些问题，这使得实

时处理大规模数据的成本更低。流处理还激发了新的尝试，比如构建一个

系统，该系统能够基于顾客当下购买的商品实时给出相关的建议，看看他

们是否还需要买一些别的商品 ...