大家好，今天小编关注到一个比较有意思的话题，就是关于flink 机器学习python的问题，于是小编就整理了2个相关介绍flink 机器学习Python的解答，让我们一起看看吧。
Python是真的火，还是炒得火？
首先python是真的蛮火的，所以期间有些炒作是正常显现。
咱们先来聊聊python的起源，1989年圣诞节前夕，一位来自荷兰的大神Guido von Rossum在过圣诞节时，因为没有女朋友，闲得无聊的他想找点事情做，于是就发明了python语言。
龟叔给Python的定位是“优雅”、“明确”、“简单”，事实上python也真的做到了这三点，同时Python还完美兼备了C语言，java的优势，拥有丰富的类和库函数。
python有很多优点，简单总结一下：
简单易学：python的代码量很少，相比于C/C++，非常容易上手；
免费、开源：Python是FLOSS（自由/开放源码软件）之一。使用者可以自由地发布内容；
3.可移植性好：由于它的开源本质，Python已经被移植在许多平台上，这些平台包括linux、Windows、FreeBSD遮羞主流平台上，还可以用在BeOS，QNX这些基于Linux开发的平台。
4.丰富的库：Python标准库非常很庞大，所以它可以处理许多不同的工作，比如单元测试、线程、数据库、网页浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、W***文件、密码系统、GUI设计等等。
编程界有句老话：“不要觉得什么语言火爆，就去学习什么语言”，放在python上真是再合适不过了。
2020年3月，新的编程语言排行榜新鲜出炉，TIOBE 最新发布了 3 月编程语言排行榜。我们可以看到，前三名分别为Java、C、Python。相较于上个月，Python继续以1.85% 上升至 10.11%，以10.11% 的份额稳居第三。
python是一种开源的程序设计语言，他不属于任何公司，没有直接利益需求，所以它不存在炒作的必要性！
他是真的非常适合目前的很多应用场景！特别是人工智能领域和大数据领域！
第一 Pytorch
第二 Tensorflow
都有python的库
Python 是真的火。但是，可能不是你理解的火。
很多python培训机构说，python可以给你带来多少多少就业上的竞争，这自然是很有道理，但是却有些偏颇。
1、python已经是一个技能，不偏重于职业或者职位
在技术岗位，会使用python，会带来非常多的方便，这个方便本身，不是因为python本身，而是python背后的大量的数据处理和分析的库。通过python来驾驭那些原来遥不可及的工具和技能。
2、python将知识很完美的表现出来
python是一种语言，背后是知识，专业知识，所以，python的强大，在于你对知识的驾驭能力的强大。
3、只会python语言本身，python一点也不火。
python几十年来，最近才火，并不是python语言火，是python嫁接的知识工具，app火。
正确认识，火火的python，才能知道如何更好的学习python。真对python语言的培训是没有必要的，但是针对python的专业方面的培训，是必须的。
作为一个以python为主要编程语言的IT从业者，我说说我的看法。
在编程语言中， Python 长期稳居前3，已经在数据分析、人工领域得到广泛的运用，越来越多的企业也开始使用python。Python 方向岗位的薪水也是居高不下，成为目前最有潜力的编程语言之一。
Python的几个主要应领域包括
1，WEB开发
2，自动化运维
3，Python爬虫
4，大数据与数据分析挖掘（主要方向之一）
5，人工智能（主要方向之一）
是真的火。
有几个值得同学关注的应用领域：
一是爬虫，目前在爬虫应用中，python是可以称得上是首选语言，在爬虫方面，爬虫有非常多很优秀的库，无论是***请求，网页解析，还是成熟框架，python语言都有巨大的优势。
二是数据分析，python和R可以说是数据分析的左膀右臂，目前来看，借助于完整的生态，python更具优势，也会被越来越多的人作为数据分析的主力语言。python数据分析在当数据可以直接读取到内存的时候，无论效率还是灵活性，都是极其优秀的。
三是python在自动化办公、服务器监控等方面也是最好的[_a***_]。
四是深度学习和机器学习方面，python是当之无愧的第一语言，比如最流行的深度学习框架，都选择python作为首选的api语言，像是tensorflow,pytorch等。
另外，得益于python简洁的语法，python也是编程入门的推荐入门语言。
越来越多人关注python、学习python也就不奇怪了。
基于Kafka的实时计算引擎如何选择？
Kafka ：
功能完善的分布式流式处理平台，用于发布和订阅、存储及实时地处理大规模流数据。是由Apache软件基金会开发的一个开源流处理平台，由Scala和J***a编写。
目前业界有开源不少实时计算引擎，以Apache基金会的两款开源实时计算引擎最受欢迎：Flink、Spark。
一款分布式的计算引擎，它可以用来做批处理，即处理静态的数据集、历史的数据集；也可以用来做流处理，即实时地处理一些实时数据流，实时地产生数据的结果；也可以用来做一些基于***的应用。
Spark免费提供Spark Streaming，它使用微批处理进行流式传输。Spark流式计算引擎会定时检查流数据。在连续流处理中，Spark不会启动定时任务，而是启动一组长时间运行的任务，这些任务可以连续读取、处理、写入数据。Spark Streaming的优势在于：
能运行在1000+的结点上，并达到秒级延迟。
使用基于内存的Spark作为执行引擎，具有高效和容错的特性。
能集成Spark的批处理和交互查询。
相关：Spark Streaming And Kafka：可靠实时计算
老码农来回答这个问题。
Kafka
kafka 是linkedin开源的一款开源的分布式mq消息中间件，现在已经捐献给apache软件基金会（A***）。具有吞吐量大，低延时，容错性高，扩展性好的特点。在大型数据处理中常扮演数据管道的角色。也就是数据在中转，传输中起到一个管道的作用，类似于水管但是还可以起到缓冲作用。数据流过大也能有效的对数据进行传输。我们项目的日志管道就是Kafka。
实时计算
聊完kafka再聊一下什么是实时计算。实时计算是基于海量数据，进行秒级响应，实时入库，实时分析处理数据的一种大数据计算方式。要求时效性高，常用于网站流量分析、股市分析、天气气候分析等需要实时处理的业务场景。打个比方，就是有PB级别数据不断传递过来，需要立马处理入库分析。与此对应的是离线计算。这些通常是不需要立即处理，我先存起来，慢慢进行分析，或者用到的时候我再分析。说到实时计算，就不能不提流式计算，其实两者没有必然关系。实时强调实时性，流式是一种模型，从一个方向流向其他方向，而且某个点的流处理一次就没了，而且设计是***的，源源不断。把数据想象成水管里的水就会很好理解这个概念，打开水龙头源源不断流出来。从技术选型来说目前 有Storm、 apache spark 和apache flink 。
- storm 是一个专注实时处理的流式数据处理引擎。推特开源。但是因为对数据是行级别处理以及容错。所以效率不高，适合对实时性要求高，数据集不算太大的情况下使用。
- spark 是一个高效率、易用性强、通用性强，兼容性好的数据处理引擎。 比Hadoop 要快很多，Spark支持J***a、Python和Scala的API，还支持超过几十种高级算法，用户可以快速构建不同的应用 。目前业界用的也最多。方案成熟，资料也非常全。基本一线大厂都有spark海量数据处理平台。但是spark 默认走的是批处理。数据是一批一批处理离线计算的。但是通过 spark stream 流式处理的扩展。使得spark也能进行实时的数据计算，但是底层还是批处理，通过固定的offset偏移量进行实时流式批处理。
- flink 是大数据处理的一颗新星。核心是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎，Flink提供了诸多更高抽象层的API以便用户编写分布式任务。实现FaaS（函数即服务）是真正意义上的实时计算引擎。目前也是最先进的。但是才火起来。除了一线大厂，小厂是目前是很难玩转的。而且目前资料比较少，还可能有一些坑要踩。但是这些遮挡不了flink的光芒。目前社区十分活跃，而且阿里有魔改版本Blink。常远来看更有前途。
总结
通过上面的介绍结合自己的业务场景以及团队技术层次应该心中有答案了。个人看好flink。你有不同的观点可以留言讨论到此，以上就是小编对于flink 机器学习python的问题就介绍到这了，希望介绍关于flink 机器学习python的2点解答对大家有用。
