引导者本文目录一览：
Flink:特性、概念、组件栈、架构及原理分析
1、组件栈 Flink是一个分层架构flinkbarrier的系统flinkbarrier，每一层所包含的组件都提供flinkbarrier了特定的抽象，用来服务于上层组件。
2、Flink流处理特性： Flink以层级式系统形式组件其软件栈，不同层的栈建立在其下层基础上，并且各层接受程序不同层的抽象形式。
3、在Flink整个软件架构体系中，统一遵循了分层的架构设计理念，在降低系统耦合度的同时，为上层用户构建Flink应用提供了丰富且友好的接口。
4、对于分析类任务，Flink提供了类似SQL的查询，图形化处理，以及机器学习库，此外还支持内存计算。Flink能很好地与其他组件配合使用。如果配合Hadoop 堆栈使用，该技术可以很好地融入整个环境，在任何时候都只占用必要的资源。
flink的Snapshot
Flink采用的是ABS（Asynchronous Barrier Snapshotting）算法。ABS只保存节点的状态，而不保存channel的状态。 由中心调度节点（JobManager）向所有的source注入barrier。
Flink 是采用轻量级的分布式异步快照，其实现是采用栅栏 barrier 作为 checkpoint 的传递信号，与业务数据一样无差别地传递下去 ，目的是使得数据流被切分成微批，进行 checkpoint 保存为 snapshot。
Flink 容错机制的核心就是持续地创建分布式数据流和操作算子状态的 snapshot。
要使用此 Reporter，必须复制 /opt/flink-metrics-datadog-1-SNAPSHOT.jar 到 Flink 的 /lib 文件夹下。
回到开篇的问题，Flink使用了一种称作 Asynchronous Barrier Snapshotting(ABS)算法 来生成全局快照。
如下图所示，通过Flink Web UI 监控 subtask 数据量 和反压 BackPressure。介绍Checkpoint Barrier 对齐机制，算子 Operator 收齐上游的 barrier n 才能触发 snapshot。
