高スループット、低遅延、ハイパフォーマンス・コンピューティングの両方のライブストリーミングフレームワークの計算モデルグーグルデータフローストリームを実装することによって達成FLINK。
計算中に失われたシステムは、周期的に分布スナップショット技術チェックポイントによって達成永続メンテナンスステータスFLINKは、計算することができるので、一方の異常状態を防ぐために、支持性の高いフォールトトレラント状態管理をFLINKようにもシステムのダウンタイムまたは異常の場合正しい結果。
具体的な利点は以下の通りです。
（1）ハイスループット、低レイテンシ、高性能をサポート
オープンソースコミュニティは、高スループット、低レイテンシ、データストリームが処理フレームワークを分散三にワン高性能のセットです。
Apacheのスパークのみが考慮に高いスループットと高いパフォーマンスを取ることができますように、低遅延の保証は出来ません
Apacheの嵐は、高スループットの要件を満たすことができない、低レイテンシーと高いパフォーマンス特性をサポートすることができます
（2）支援イベント時間（イベント時間）の概念
コンピューティングの流れ場では、コンピューティングウィンドウが重要な位置を保持しているが、ほとんどが計算フレームウィンドウシステム時間（処理時間）で使用され、イベントは、ホストの現在の時間システムを扱うための計算フレームワークに送信されます。
イベントの時間をサポートすることができるFLINKも順不同で到着イベント・ドリブン機構そのようなイベントに基づいてウィンドウ（イベント時間）意味論に基づいて計算され、それはイベントが発生したときの元のタイミングを維持するために、フローシステム正確な結果を算出することが可能である、行います伝送ネットワークやハードウェアのシステムへの影響を回避することも可能。
（3）計算サポートステートフル
次のイベントは、いわゆるフロー状態計算オペレータに中間結果をメモリやファイルシステムに格納された後に、オペレータは、必要当たりをなくし、前の状態から他の中間結果に現在の計算結果を得ることができ全ての統計結果に生データに基づいて、大幅にシステムの性能を向上
（4）柔軟性の高い窓（ウィンドウ）動作をサポートします
FLINKウィンドウには、ユーザーが別のウィンドウトリガメカニズムを定義することができ、ウィンドウ操作の時間、回数、セッション、およびデータ駆動型の他のタイプに基づいて分割、ウィンドウは柔軟に複雑なストリーミングモードのサポートを達成するための条件のカスタマイズをトリガすることができていますさまざまなニーズを満たすために
（5）フォールトトレランスを実現するために、軽量の分散スナップショット（スナップショット）に基づいて
FLINKは数千ノード上で実行するように分散させることができ、スナップショット技術を分散状態情報プロセスのチェックポイントに基づいて永続ストレージにより、実行は、タスク異常停止後、FLINKは自動的に順番にチェックポイントからタスクを再開することができます愛のデータ処理の一貫性を確保
（6）独立したJVMメモリ管理の実装に基づいて
できるだけJVM GCシステムへの影響を軽減するために、独自のメモリ管理を実装FLINKメカニズム。
、空間をより効率的に使用するデータの格納サイズを縮小、またはGCタスク例外に起因する性能低下のリスクを低減しつつ、シーケンスデシリアライゼーション機構によって、/バイナリメモリに格納されているすべてのデータ・オブジェクトに変換します
（7）保存は、セーブポイントをポイント
7 * 24時間を実行してストリーミングアプリケーションの場合、データ・フローの安定した流れ、アプリケーションの終了時間は、計算結果の損失または不正確なデータを引き起こす可能性があります。
たとえば、アップグレードのクラスタ版は、運用・保守業務を停止します。
記憶媒体に保存されたセーブポイントによるタスクの実行には、再起動のタスクは、コンピューティングの元の状態を復元するために、セーブポイントの保存最初に従事することができる場合は、タスクを作成すると、シャットダウン前の状態に応じて継続することをFLINKのスナップショットテクノロジ言及する価値があります実行します。
あなたはそれがFLINK行くと使用し、何を待っています