![萱草|用Python进行实时计算——PyFlink快速入门]()
Flink 1.9.0及更高版本支持Python ， 也就是PyFlink 。
在最新版本的Flink 1.10中 ， PyFlink支持Python用户定义的函数 ， 使您能够在Table API和SQL中注册和使用这些函数 。 但是 ， 听完所有这些后 ， 您可能仍然想知道PyFlink的架构到底是什么？作为PyFlink的快速指南 ， 本文将回答这些问题 。
为什么需要PyFlink？Python上的Flink和Flink上的Python那么 ， PyFlink到底是什么？顾名思义 ， PyFlink就是Apache Flink与Python的组合 ， 或者说是Python上的Flink 。 但是Flink on Python是什么意思？首先 ， 两者的结合意味着您可以在Python中使用Flink的所有功能 。 而且 ， 更重要的是 ， PyFlink还允许您在Flink上使用Python广泛的生态系统的计算功能 ， 从而可以进一步促进其生态系统的开发 。 换句话说 ， 这对双方都是双赢 。 如果您更深入地研究这个主题 ， 您会发现Flink框架和Python语言的集成绝不是巧合 。
![萱草|用Python进行实时计算——PyFlink快速入门]()
Python和大数据生态系统python语言与大数据紧密相连 。 为了理解这一点 ， 我们可以看一下人们正在使用Python解决的一些实际问题 。 一项用户调查显示 ， 大多数人都在使用Python进行数据分析和机器学习应用程序 。 对于此类情况 ， 大数据空间中还解决了一些理想的解决方案 。 除了扩大大数据产品的受众范围之外 ， Python和大数据的集成还通过将其独立体系结构扩展到分布式体系结构 ， 极大地增强了Python生态系统的功能 。 这也解释了在分析大量数据时对Python的强烈需求 。
![萱草|用Python进行实时计算——PyFlink快速入门]()
为什么选择Flink和Python？Python和大数据的集成与其他最近的趋势一致 。 但是 ， 再次说明一下 ， 为什么Flink现在支持Python ， 而不是Go或R或另一种语言？而且 ， 为什么大多数用户选择PyFlink而不是PySpark和PyHive？
为了理解原因 ， 让我们首先考虑使用Flink框架的一些优势：
- 有利的体系结构： Flink是具有统一流和批处理功能的纯流计算引擎 。
- 新的活力： 根据ASF的客观统计 ， Flink是2019年最活跃的开源项目 。
- 高可靠性： 作为一个开源项目 ， Flink经过长期测试 ， 并广泛应用于大数据公司的生产环境中 。
接下来 ， 让我们看看为什么Flink支持Python而不是其他语言 。 统计数据显示 ， Python是继Java和C之后最受欢迎的语言 ， 并且自2018年以来一直在快速发展 。 Java和Scala是Flink的默认语言 ， 但是Flink支持Python似乎是合理的 。
![萱草|用Python进行实时计算——PyFlink快速入门]()
PyFlink是相关技术发展的必然产物 。 但是 ， 仅仅了解PyFlink的重要性是不够的 ， 因为我们的最终目标是使Flink和Python用户受益并解决实际问题 。 因此 ， 我们需要进一步探索如何实现PyFlink 。
![萱草|用Python进行实时计算——PyFlink快速入门]()
PyFlink架构要实现PyFlink ， 我们需要知道要实现的关键目标和要解决的核心问题 。 PyFlink的主要目标是什么？简而言之 ， PyFlink的主要目标如下：
