---
title: 调优思路
description: "Flink作为一个流处理框架，主要作用是处理数据，将数据通过一定的方法计算、统计、分析，最终输出。典型的数据处理场景，即为Kafka、Flink、Redis三个组件共同使用，数据从Kafka获取，Flink进行计算分析，最终将结果写入Redis。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengbds/ecosystemEnable/Flink/kunpengflinkhdp_05_0005.html
sourcePath: /source/zh/kunpengbds/ecosystemEnable/Flink/kunpengflinkhdp_05_0005.html
indexId: b386b1d612a457de1279a40cd190a59679f8d7948b8f887dfdc9af70cb8fc57872
---
# 调优思路

Flink作为一个流处理框架，主要作用是处理数据，将数据通过一定的方法计算、统计、分析，最终输出。典型的数据处理场景，即为Kafka、Flink、Redis三个组件共同使用，数据从Kafka获取，Flink进行计算分析，最终将结果写入Redis。

流处理框架，有一定的编程规范，主要思路如图1所示。

图1 流处理器框架

每个Flink程序都可以以类似的方式编写，主要思路即为先定义Flink流处理过程，每个步骤输入输出对齐，最终把数据输出。整个工作流定义完成后，就可以开始执行了，整个执行过程是无限流，永不停止，直到Flink任务被外部kill为止。

yahoo-streaming-benchmark工具主要用途是测试集群Flink处理性能，其测试过程为“数据生成 > 数据写入Kafka > 数据从Kafka读出 > 预处理数据 > 窗口处理数据 > 结果写入Redis”，端到端的测试Flink流处理过程，测试流程图如图2所示。主要性能指标为数据吞吐量和处理时延。

图2 yahoo-streaming-benchmark测试流程图

数据从Flink其中一个进程生成，不断写入Kafka，由另一个进程读出数据进行处理，最终写入Redis，在Flink job执行完成后，Redis进行结果统计分析。