1、flink 、spark streaming 、storm 的異同：
flink 架構和容錯方面 和spark Straming storm 異同。
flink 和storm 、sparkstreaming 在處理模型延遲和資料保證時異同：
現有的開源計算方案，會把流處理和批處理作為兩種不同的應用類型：流處理一般需要支援低延遲、Exactly-once保證，而批處理需要支援高吞吐、高效處理。
而flink 在低延遲和資料順序方面（利用水印）等都相對spark streaming 更具優勢
2、flink 的事件驅動型應用
事件型應用是一類具有狀态的應用，它從一個或多個事件流提取資料，并根據到來的事件去觸發計算、狀态更新或其它外部動作。
事件驅動型應用實在計算存儲分離的傳統應用基礎上進化而來，在傳統的架構中，應用需要讀寫遠端事務型資料庫。
相反，事件驅動型應用是基于狀态化流處理來完成，在該設計中，資料和計算不會分離，應用隻要通路本地（記憶體或磁盤）即可擷取資料。系統容錯性的實作依賴于定期向遠端持久化存儲寫入checkpoint.下圖是傳統應用和事件驅動應用架構差別。
3、flink Exactly-once保證研究
參考：http://www.whitewood.me/2018/10/16/Flink-Exactly-Once-%E6%8A%95%E9%80%92%E5%AE%9E%E7%8E%B0%E6%B5%85%E6%9E%90/