今天我们大概了解下Flink的基本组件栈，看看 Flink 的分层架构
Flink 同样遵循着分层的架构设计理念，在降低系统耦合的同时，也为上层用户构建 Flink 应用提供了丰富且友好的接口。
Flink 分层架构，从上到下依次是：API & Libraries 层、Runtime 核心层 和 物理部署层
1 API & Libraries 层
作为分布式数据处理框架，Flink 同时提供了支撑流计算和批计算的接口，同时在此基础上抽象出不同的应用类型的组件库，如基于流处理的 CEP （复杂事件处理库），SQL & TABLE 库 和 基于批处理的 FlinkML（机器学习库），Gelly（图处理库）等。
API 层包括构建流计算应用的 DataStream API 和批计算应用的 DataSet API，两者都是提供给用户丰富的数据处理高级 API，例如 Map，FlatMap 等，同时也提供比较低级的 Process Function API ，用户可以直接操作状态和时间等底层数据。
2 Runtime 核心层
该层主要负责对上层不同接口提供基础服务，也是 Flink 分布式计算框架的核心实现层，支持分布式 Stream 作业的执行、JobGraph 到 ExecutionGraph 的映射转换、任务调度等。
将 DataStream 和 DataSet 转成统一的可执行的 Task Operator，达到在流式引擎下同时处理批量计算和流式计算的目的
3 物理部署层
该层主要涉及 Flink 的部署模式，目前 Flink 支持多种部署模式：本地、集群（Standalone / YARN）、云（GCE / EC2）、kubenetes。
flink 能够通过该层支持不同平台的部署，用户可以根据需要选择使用对应的部署模式。
