前言

Flink 本质是为「高吞吐、低延迟、精准一次」的实时数据处理而生，尤其适配广告、电商、风控等对实时性和准确性要求高的场景。

一、为什么要使用 Flink？

选择 Flink 而非 Spark Streaming/Storm 等框架，核心是它解决了传统流处理框架的「痛点」，适配现代实时业务的需求：

核心优势	解决的痛点	业务价值（以广告场景为例）
真正的「流批一体」	Spark Streaming 是微批处理（延迟秒级），Storm 无批处理能力；Flink 统一流 / 批处理引擎	广告场景中，既可以实时计算曝光 / 点击（流），也可以离线统计日账单（批），一套代码适配
低延迟 + 高吞吐	Storm 低延迟但吞吐低，Spark Streaming 吞吐高但延迟高；Flink 毫秒级延迟 + 百万级 TPS	广告竞价需毫秒级响应（决定是否展示广告），日志处理需吞吐百万级曝光数据
精准一次（Exactly-Once）	Storm 仅至少一次（At-Least-Once），Spark Streaming 精准一次实现复杂；Flink 内置 Checkpoint 保证	广告计费 / 归因不重不漏，避免多扣广告费或漏统计转化
丰富的时间语义	仅支持处理时间 / 事件时间二选一；Flink 支持事件时间 + 水位线（Watermark）处理乱序数据	广告日志跨地域传输乱序，仍能精准按用户点击时间统计指标
强大的状态管理	传统框架状态管理弱（如 Storm 需手动对接 Redis）；Flink 内置状态后端（内存 / RocksDB）	广告 UV 统计、最后点击归因需保存用户历史行为，无需额外对接存储

二、Flink 能做什么？

Flink 的能力围绕「实时数据处理全链路」展开，从数据接入到计算再到输出，覆盖全场景：

1. 实时数据计算（核心）

• 窗口计算：按时间（滚动 / 滑动 / 会话窗口）统计指标，如「广告 5 分钟曝光量、1 小时点击率」；
• 状态计算：基于历史状态的计算，如「用户最近 30 分钟点击的广告列表」「广告累计转化量」；
• 关联计算：流与流、流与批关联，如「广告点击流 + 下单流 = 转化归因」；
• CEP 复杂事件处理：识别连续行为，如「用户点击广告 → 进入落地页 → 下单」的转化链路。

2. 数据接入 / 输出（生态丰富）

• 接入：支持 Kafka/RabbitMQ/Pulsar（实时流）、HDFS/MySQL（批数据）、CDC（数据库实时变更）；
• 输出：支持 Kafka/Redis/MySQL/ES/Hive，适配不同业务存储需求（如广告指标写入 Redis 供前端展示，账单写入 MySQL 结算）。

3. 离线批处理

Flink 不仅能处理实时流，也能高效处理离线批数据（如 T+1 广告账单统计），实现「流批一体」—— 一套代码、一套集群，既处理实时任务，也处理离线任务，降低运维成本。

4. 数据治理 / 监控

• 内置 Checkpoint/Savepoint 实现故障恢复，任务挂掉后从快照恢复，不丢数据；
• 丰富的监控指标（吞吐量、延迟、状态大小），便于排查广告任务延迟 / 异常。

三、Flink 的典型使用场景

1. 广告行业

• 实时归因：用户点击广告后下单，Flink 实时关联点击 / 下单流，实现「最后点击归因」（确定哪个广告带来转化）；
• 实时竞价（RTB）：广告竞价请求过来时，Flink 毫秒级计算用户画像、广告出价，返回是否竞价、出价多少；
• 实时指标统计：广告曝光 / 点击 / 转化的实时大盘（UV、点击率、转化成本），供运营实时监控；
• 异常监控：CEP 识别异常行为，如「某广告 1 分钟曝光量突增 10 倍」（疑似刷量），实时告警。

2. 电商 / 零售

• 实时订单统计：双 11 实时成交额、各品类销量；
• 物流轨迹实时追踪：包裹状态实时更新、超时未揽收告警；
• 用户行为分析：实时推荐（基于用户最近浏览 / 加购商品推荐）。

3. 金融 / 风控

• 实时风控：识别盗刷、套现等异常交易（如「10 分钟内跨地域 5 笔大额交易」）；
• 实时对账：交易流与支付流实时对账，避免资金差错；
• 行情实时计算：股票 / 基金价格实时更新、涨跌幅预警。

4. 物联网（IoT）

• 设备实时监控：智能家居 / 工业设备的状态实时上报、异常告警（如「设备温度超过阈值」）；
• 数据清洗：IoT 海量原始数据的实时清洗、格式标准化。

四、Flink vs 其他框架

框架	延迟	吞吐	精准一次	流批一体	广告场景适配性
Flink	毫秒级	百万级	✅	✅	高（全场景覆盖）
Spark Streaming	秒级	百万级	❌（复杂）	❌	中（仅离线 / 准实时）
Storm	毫秒级	十万级	❌	❌	低（仅低吞吐实时）

广告部门选择 Flink 的核心原因：

1. 广告竞价需要毫秒级延迟，Flink 能满足；
2. 广告计费需要精准一次，避免资金差错；
3. 既需要实时计算（曝光 / 点击），也需要离线计算（账单），流批一体降低成本；
4. 广告日志量大（百万级 TPS），Flink 高吞吐能支撑。

总结

1. 为什么用 Flink：核心是「低延迟、高吞吐、精准一次、流批一体」，解决传统流处理框架的延迟 / 准确性 / 运维痛点；
2. Flink 能做什么：实时计算（窗口 / 状态 / CEP）、批处理、数据接入 / 输出，覆盖数据处理全链路；
3. 适用场景：广告（归因 / 竞价）、电商（实时指标）、金融（风控）、IoT（设备监控）等对实时性 / 准确性要求高的场景，尤其适配广告这类高并发、高精度的业务。