Apache Flink

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
Apache Flink
Basisdaten

Entwickler Apache Software Foundation
Erscheinungsjahr 6. Januar 2015[1]
Aktuelle Version 1.10.0[2]
(11. Februar 2020[3])
Betriebssystem Windows, macOS, Linux
Programmiersprache Scala, Java, Python
Kategorie Entwicklungsframework, Big-Data-Analysen
Lizenz Apache-Lizenz, Version 2.0
flink.apache.org

Apache Flink ist ein freies Streamprozessor-Framework, entwickelt von der Apache Software Foundation. Der Kern von Apache Flink bildet eine verteilte Datenfluss-Engine, die es erlaubt sowohl Datenströme als auch Stapeldaten zu verarbeiten.[4]

Apache Flink kann kontinuierliche Datenströme sowie Stapeldaten verarbeiten. Das Framework der Apache Software Foundation ist als Open-Source-Software verfügbar. Apache Flink hat sich aus einem Apache-Incubator-Projekt entwickelt und wurde zu einem Top-Level-Projekt.

Apache Flink Version 1.0.0 wurde im Jahr 2016 veröffentlicht. Typische Anwendungsbereiche für Apache Flink sind:

  • die Echtzeitkontrolle von Finanztransaktionen
  • die Echtzeitauswertung des Kunden- oder Userverhaltens auf Internetseiten
  • die Echtzeitverarbeitung großer Mengen von Sensordaten der automatisierten Prozesse der Industrie 4.0

Bekannte Unternehmen, die Apache Flink einsetzen, sind beispielsweise Uber und Netflix.

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. projects.apache.org. (abgerufen am 8. April 2020).
  2. https://flink.apache.org/downloads.html, abgerufen am 28. März 2020 (englisch).
  3. Apache Flink 1.10.0 Release Announcement. Apache Software Foundation, abgerufen am 28. März 2020 (englisch).
  4. Alexander Alexandrov, Rico Bergmann, Stephan Ewen, Johann-Christoph Freytag, Fabian Hueske, Arvid Heise, Odej Kao, Marcus Leich, Ulf Leser, Volker Markl, Felix Naumann, Mathias Peters, Astrid Rheinländer, Matthias J. Sax, Sebastian Schelter, Mareike Höger, Kostas Tzoumas, and Daniel Warneke. 2014. The Stratosphere platform for big data analytics. The VLDB Journal 23, 6 (Dezember 2014), 939–964. doi:10.1007/s00778-014-0357-y