Flink基础教程

22

｜

第

2

章

2.4.1

　数据流作为中心数据源

通过上文的讨论可以看出，流处理架构的核心是使各种应用程序互连在一

起的消息队列。流处理器（例如本书介绍的

Flink

）从消息队列中订阅数据

并加以处理。处理后的数据可以流向另一个消息队列。这样一来，其他应

用程序（包括其他

Flink

应用程序）都可以共享流数据。在一些情况下，处

理后的数据会被存放在本地数据库中，如图

2-3

所示。

文件

本地

状态

数据库

应用

程序

应用

程序

图 2-3：在流处理架构中，消息队列（图中以水平圆柱体表示）连接应用程序，并作

为新的共享数据源；它们取代了从前的大型集中式数据库。在本例中，Flink 被多个

应用程序使用。本地化的数据能够根据微服务项目的需要被存储在文件或者数据库中。

这种流处理架构的另一个好处是，流处理器（例如 Flink）还可以保障数据一致性

流处理架构不需要集中式数据库。取而代之的是消息队列，

它作为共享数据源，服务于各种不同的消费者。

2.4.2

　欺诈检测

：

流处理架构用例

基于流处理的微服务架构有着强大的灵活性，特别是当同一份数据被用于

流处理架构

｜

23

不同的场景时，其灵活性更为明显。以信用卡服务提供商的欺诈检测项目

为例。项目的目标是尽可能快地识别可疑的刷卡行为，从而阻止盗刷，并

将损失降到最低。例如，欺诈检测器可以将刷卡速度作为评判依据 ...