Flink 基础教程 PDF 文档

Question

近年来，流处理变得越来越流行。作为高度创新的开源流处理器，Flink 拥有诸多优势，包括容错性、高吞吐、低延迟，以及同时支持流处理和批处理的能力。本书分为 6 章，侧重于介绍 Flink 的核心设计理念、功能和用途，内容涉及事件时间和处理时间、窗口和水印机制、检查点机制、性能测评，以及 Flink 如何实现批处理。

本书面向有兴趣学习如何分析大规模流数据的读者。

前言

本书介绍的 Apache Flink（以下简称 Flink）作为一种高度创新的开源流处理器，具备惊人的潜力，能够帮助你在以流为基础的各种计算中获益。Flink 不仅可以真正实现实时的容错性分析，还可以分析历史数据，并且极大地简化数据处理流程。最让人惊喜的是，Flink 用同一种底层技术来实现流处理和批处理。它拥有完备的语义和强大的性能，这使得应用程序的开发变得简单，其架构也使得应用程序的维护变得容易。

本书将全面介绍 Flink 的功能，并且讲解常见的使用方法，包括如何在生产环境中使用它。Flink 社区由来自世界各地的开发人员和用户组成，整个社区十分活跃，并且成长迅速。第一届 Flink 专属研讨会定名为 Flink Forward，于 2015 年 10 月在德国柏林举行，第二届于 2016 年 9 月举行。还有各种线下聚会在全球范围内举行，新的 Flink 用例在聚会中被大家广泛讨论。

封面
译者介绍
扉页
目录
前言
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Flink
批处理与流处理
1.5 生产环境中的Flink
1.5.1 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 兼具高性能和持久性
2.3.2 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性
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 不同类型的正确性
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
流处理系统中的批处理
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
水印是如何生成的
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 一致性
5.2 检查点：保证exactly-once
5.3 保存点：状态版本控制
5.4 端到端的一致性和作为数据库的流处理器
5.5 Flink的性能
5.5.1 Yahoo! Streaming Benchmark
5.5.2 变化1：使用Flink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 Streams
5.5.6 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 批处理技术
6.2 案例研究：Flink作为批处理器
附录 其他资源
进一步使用Flink
关于时间和窗口的更多内容
关于状态和检查点的更多内容
用Flink进行批处理
Flink用例和用户故事
流处理架构
消息传输：Kafka
消息传输：MapR Streams
Ted Dunning和Ellen Friedman的部分著作
关于作者

下载地址：https://www.wenjiangs.com/wp-content/uploads/2023/05/yeVjkyBeNePcjkq0.zip