2. Flink实时行情架构

2.1 Flink在实时行情中的角色

在实时行情系统中，Flink承担流式计算引擎的核心角色，负责从消息队列消费行情数据、执行清洗/转换/聚合/灰度逻辑，并将结果输出到下游存储或服务。Flink并非数据源或存储层，而是连接两者的计算中枢。

2.2 数据流拓扑：Source → Transform → Sink

Flink行情作业遵循经典的三段式拓扑结构。每一段都有明确的职责边界，灰度逻辑主要嵌入Transform阶段。

1. Source（数据源）：从Kafka Topic消费行情tick，反序列化为POJO。常用KafkaSource，配置起始消费位点、空闲检测、水印生成。
2. Transform（转换处理）：包含清洗、字段映射、窗口聚合、灰度路由、指标计算。灰度发布在此阶段通过KeyBy(symbol) → process(灰度策略)实现。
3. Sink（数据输出）：将处理结果写入Kafka（灰度/基线双Topic）、Redis（实时快照）、ClickHouse（分析查询）或WebSocket（推送前端）。

// 典型Flink行情作业骨架（Java）
DataStream<Tick> source = env.fromSource(
    KafkaSource.<Tick>builder()
        .setTopics("market.tick.raw")
        .setValueOnlyDeserializer(new TickDeserializer())
        .build(),
    WatermarkStrategy.<Tick>forBoundedOutOfOrderness(Duration.ofMillis(100)),
    "tick-source"
);

DataStream<EnrichedTick> transformed = source
    .keyBy(Tick::getSymbol)
    .process(new GrayReleaseProcessFunction(0.1, "v2.3.1")) // 10%灰度
    .name("gray-transform");

transformed.sinkTo(KafkaSink.<EnrichedTick>builder()
    .setTopic("market.tick.enriched")
    .setRecordSerializer(new TickSerializer())
    .build()
).name("enriched-sink");

2.3 典型行情处理链路

以股票逐笔行情灰度发布为例，一条tick从进入Flink到最终推送至客户端的完整链路如下：