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