Flink1.9重大改进和新功能
注：由于文章篇幅有限，获取资料可直接扫二维码，更有深受好评的Flink大数据项目实战精品课等你。
大数据技术交流QQ群：207540827
一、Flink1.9.0的里程碑意义
二、重构 Flink WebUI
Flink社区讨论了现代化 Flink WebUI 的提案，决定采用 Angular 的最新稳定版来重构这个组件。从Angular 1.x 跃升到了 7.x 。重新设计的 UI 是 1.9.0 的默认UI，不过有一个按钮可以切换到旧版的WebUI。
点击上图所示按钮可切换至旧版Web UI：
新版更加漂亮，性能方面也表现更好。
注意：未来，新版UI不保证跟旧版 WebUI 的功能是对齐的，且待新版本稳定后将会完全移除旧版WebUI。
三、架构改动
Flink老架构及存在的问题
Flink设计理念与当前架构
Flink的设计理念如下图：
存在的问题
（1）从Flink用户角度
1）开发的时候需要在两个底层API中进行选择
2）不同的语义、不同的connector支持、不同的错误恢复策略…
3）Table API也会受不同的底层API、不同的connector等问题的影响
（2）从Flink开发者角度
1）不同的翻译流程，不同的算子实现、不同的Task执行…
2）代码难以复用
3）两条独立的技术栈需要更多人力功能开发变慢、性能提升变难，bug变多
Flink新架构
既然批是流的一个特例，是否可以。。。？一个大胆的想法(流批统一)：
Blink本身就在做去DataSet的工作，在 Blink 捐赠给 Apache Flink 之后，社区就致力于为 Table API 和SQL 集成 Blink 的查询优化器和 runtime。第一步，我们将 flink-table 单模块重构成了多个小模块（FLIP-32）。这对于 Java 和 Scala API 模块、优化器、以及 runtime 模块来说，有了一个更清晰的分层和定义明确的接口。
紧接着，社区扩展了 Blink 的 planner 以实现新的优化器接口，所以现在有两个插件化的查询处理器来执行 Table API 和 SQL：1.9 以前的 Flink 处理器和新的基于 Blink 的处理器。基于 Blink 的查询处理器提供了更好地 SQL 覆盖率（1.9 完整支持 TPC-H，TPC-DS 的支持在下一个版本的计划中）并通过更广泛的查询优化（基于成本的执行计划选择和更多的优化规则）、改进的代码生成机制、和调优过的算子实现来提升批处理查询的性能。除此之外，基于 Blink 的查询处理器还提供了更强大的流处理能力，包括一些社区期待已久的新功能（如维表 Join，TopN，去重）和聚合场景缓解数据倾斜的优化，以及内置更多常用的函数。
因此，Flink1.9架构长成了这个样子：
不过， Blink 的查询处理器的集成还没有完全完成，暂时先不忙上生产。