一、Flink与spark的区别
1、Flink是基于事件驱动的，spark是微批处理
2、Flink支持多种时间语义，spark只支持处理时间语义
3、架构不同，容错不同
二、Flink集群角色
client：提交程序的客户端，与jobManage连接，提交job
jobManage:集群协调者，收集flink-job信息，检查点，故障恢复
taskManage:负责计算执行的work，管理本地资源
三、并行度
算子并行度
执行环境并行度
一般设置为kafka的分区数
四、分区、分组
分区是算子并行实例，物理成面
分组是key进行区分，是逻辑成面
五、interval join
是基于keyed+connect，不会处理join不上的数据，需要处理的话使用 cogroup+connect
六、Flink三种时间语义
事件时间：事件 创建的时间
注入时间：进入flink的时间
处理时间：算子执行的本地系统时间
七、Flink中workmark机制
带有时间戳的特殊数据，插入到流里面，单调不减，用于处理乱序事件
生成方式，间歇性，周期性，一般周期性，减少系统压力，最大事件时间-乱序事件-1ms
八、窗口
按时间分：滚动、滑动、会话
按数量分：滚动、滑动
九、准确一致性的保证
分为三个层面，source，flink内部，sink
source，sink与kafka相关，source可重发，flink维护offset，作为状态存储，sink主要是迷瞪写入或者事物性写入
flink内部checkpoint机制
十、分布式快照原理
容错机制，分布式数据流和操作算子状态的一致性快照来保证。在数据流源把barries注入到并行数据流里面，快照n的barries被插入的位置是所有数据最大的位置，是分区中最后一条记录的偏移量，将该位置报告给checkpoint，barries向下流动，到某个中间算子，从其所有输入流中收到n的barries，为n发出进入算子的所有输出流中，一旦sink算子，接受到所有输入流的barries n，它就向checkpoint确认快照n完成。快照完成之后，job就不会向数据源请求n之前的数据。
十一、cep
一个或者多个简单事件构成的事件流，通过一定的匹配规则，输出用户想得到的数据。对于没有到达的数据，会存储到map的内存中
十二、提交任务，组件通信，任务调度，内存模型
另开一章
十三、优化、背压，数据倾斜