随着物联网、5G以及大数据技术的发展，人类已经进入大数据时代，毫不夸张地说，未来IT相关的职位，一项必备技能就是大数据处理能力。当前，人类基于大数据和人工智能等技术，在特定领域中可以大大提升业务系统的智能化水平。
人类对于计算速度的追求从未停止，即使面对海量的数据，我们也希望大数据框架可以在非常低的延迟下进行响应，从而提升用户的体验。
主流的分布式大数据计算框架有Storm、Spark和Flink，按照Apache官方的介绍，Flink是一个对有界和无界数据流进行状态计算的分布式处理引擎和框架。通俗地讲，Flink就是一个流计算框架，主要用来处理流式数据。其起源于2010年德国研究基金会资助的科研项目“Stratosphere”，2014年3月成为Apache孵化项目，12月即成为Apache顶级项目。Flinken在德语里是“敏捷”的意思，意指快速精巧。其代码主要是由 Java 实现，部分代码由 Scala 实现。Flink 既可以处理有界的批量数据集，也可以处理无界的实时流数据，为批处理和流处理提供了统一编程模型。
由于阿里对Flink的收购以及改进，目前Flink社区非常活跃，社区一直致力于统一流处理和批处理API，并逐步增强Flink SQL相关功能，即期望通过SQL来满足大部分的大数据ETL处理场景。另外，随着Flink SQL功能的增强和发展，也大大降低了Flink学习的难度。
目前，Flink在百度、阿里、字节跳动、小米和腾讯等商业巨头中有成熟的应用，每日可以处理万亿的事件，且可以维护TB级别的状态信息。Flink支持多种编程语言，可以用Java、Scala以及Python进行大数据业务处理。与此同时，Flink支持灵活的窗口计算以及乱序数据处理，这相对于其他大数据计算框架来说，有比较强的优势。
如果你对实时大数据处理感兴趣，致力于构建分布式大数据处理应用程序，并且有一点Java编程基础，那么本教程十分适合你。本教程作为Flink的入门教材，由浅入深地对Flink大数据处理方法进行介绍，特别对常用的DataStream API和DataSet API、Table API和SQL进行了详细的说明，将各个知识点有机整合，做到理论联系实际。