flink基础教程flink项目核心成员执笔21998
资源详情
【课程内容】
第1章 为何选择flink
1.1 流处理欠佳的后果1.1.1 零售业和市场营销1.1.2 物联网1.1.3 电信业1.1.4 银行和金融业1.2 连续事件处理的目标1.3 流处理技术的演变1.4 初探flink1.5 生产环境中的flink1.5.1 布衣格电信1.5.2 其他案例1.6 flink的适用场景
第2章 流处理架构
2.1 传统架构与流处理架构2.2 消息传输层和流处理层2.3 消息传输层的理想功能2.3.1 兼具高忄生能和持久忄生2.3.3 将生产者和消费者解耦2.4 支持微服务架构的流数据2.4.1 数据流作为中心数据源2.4.2 欺诈检测：流处理架构用例2.4.3 给开发人员带来的灵活忄生2.5 不限于实时应用程序2.6 流的跨地域复制
第3章 flink的用途
3.1 不同类型的正确忄生3.1.1 符合产生数据的自然规律3.1.2 事件时间3.1.3 发生故障后仍保持准确3.1.4 及时给出所需结果3.1.5 使开发和运维更轻松3.2 分阶段采用flink
第4章 对时间的处理
4.1 采用批处理架构和lambda架构计数4.2 采用流处理架构计数4.3 时间概念4.4 窗口4.4.1 时间窗口4.4.2 计数窗口4.4.3 会话窗口4.4.4 触发器4.4.5 窗口的实现4.5 时空穿梭4.6 水印4.7 真实案例：爱立信公司的kappa架构
第5章 有状态的计算
5.1 一致忄生5.2 检查点：保证exactly-once5.3 保存点：状态版本控制5.4 端到端的一致忄生和作为数据库的流处理5.5 flink的忄生能5.5.1 yahoo!streaming benchmark5.5.2 变化1：使用flink的状态5.5.3 变化2：改进数据生成器并增加吞吐量5.5.4 变化3：消除网络瓶颈5.5.5 变化4：使用mapr streams5.5.6 变化5：增加key基数5.6 结论
第6章 批处理：一种特殊的流处理
6.1 批处理基数6.2 案例研究：flink作为批处理器
