作者：禅与计算机程序设计艺术
随着互联网和移动互联网的普及，海量的数据需要实时地被处理分析，而传统的关系型数据库已经无法满足需求。为了能够快速高效地对海量数据进行查询分析、数据采集、数据预处理等操作，分布式数据库应运而生。其中一种分布式数据库Google BigTable就是目前流行的一种分布式列存储数据库。BigTable是一个高性能、可扩展的持久性存储系统，它将数据按照行键值分成不同的表格（ColumnFamily），并通过硬盘上的多个文件存储在不同服务器上。另外，BigTable中的每一个单元格可以存放多版本的数据，也就是说，同一个单元格可以保存多个历史版本的数据。相比于传统的关系型数据库，BigTable具有更高的读写性能、更好的分布式扩展能力和容错性。但同时，也存在一些短板，例如它的存储结构限制了数据类型和索引功能不足等缺点。因此，基于BigTable构建的分布式列存储系统Flink作为新一代分布式流计算框架，利用其强大的灵活的数据处理能力，已经开始受到越来越多人的关注。本文将结合实际案例，从两个方面介绍Flink与Bigtable之间的一些相关技术特性，并提供相应的实践经验。
2.基本概念术语说明
Flink
Apache Flink 是一款开源的分布式流处理框架，它能够运行在内存中以提升性能，也可以部署在集群上以充分利用资源。它支持许多种编程语言，包括 Java、Scala、Python 和 SQL。
Flink编程模型
Flink 的编程模型主要分为三个层级，从低到高分别是：
- DataStream API: 最低级别的 API，提供以数据流的方式进行处理数据的能力，能够对数
本文转载自: https://blog.csdn.net/universsky2015/article/details/131820989
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。
版权归原作者 禅与计算机程序设计艺术 所有， 如有侵权，请联系我们删除。