作者回复: Flink的论文和Dataflow都是在2015年发表的。Dataflow的论文也基本上成为了一个标准的流批一体的抽象数据处理模型，变成了Apache Beam这个项目。而Flink也按照Dataflow模型做了很多的改进和优化。 我会主要讲解Dataflow这篇论文，到时候也会拿Flink的实现来作为里面的例子。 Pulsar我个人没有关注过，也不太了解，也没有看到有相关的论文，所以不太适合放在这个大数据论文专栏里。

作者回复: light同学， 你好，很多同学都提了这个问题，我会在基础知识篇之后专门加餐一篇来讲怎么读论文，应该读哪些论文，以及具体读的过程中的学习方法。 这里我先简要说一下怎么找到该读哪些论文 1. 第一个是通过关心领域的综述，可以找到领域中重要的论文。在里面找引用数多，时间早的论文读。 2. 第二个是找你正在学习使用的系统，基于的原始论文来读 3. 第三个是在读论文的过程中，找到自己觉得重要，但是没有彻底理解的特定问题，再次搜索，寻找论文来读 更具体深入的，请期待后面的加餐吧。

作者回复: 是的，特别是数据领域最近10年可以说百花齐放。这一两年各种大数据细分领域的数据库公司越来越多，流式数据库、向量数据库、图数据库、时序数据库、MPP等等百花齐放。 如果希望能做一些有意思的公司，读论文是不可或缺的一个过程。

作者回复: zhanyd同学你好， 欢迎加入一起学习的行列，希望这个专栏能帮到你。

作者回复: 欢迎，一起加油，我写专栏要保质保量更新也有一种“打仗”的感觉。

作者回复: 👍一起加油

作者回复: YWH同学， 你好，关于怎么找到论文，读哪些论文，可以看看上面我回答另外一位light同学的答案。 关于学习方法，我也会在后面的加餐里专门讲解，我这里先简单分享一下我的方法的要点 1. 第一个是先看 摘要、结论和数据部分，理解论文要解决的问题 2. 第二个“剪刀”+“浆糊”，根据论文的各个Section，做一个脑图，然后记笔记，笔记用自己的理解和能够关联到的知识，可能是某个应用场景的映射，或者其他关联的某个知识点，而不要只是摘抄和翻译。 3. 第三个是带着问题读，读完论文做延伸和分享，思考系统是否还有可以进一步进化的，而不是只做记忆，这个会有助于你彻底理解论文。

作者回复: 欢迎加入，一起加油。

作者回复: zart同学， 你好，Flink现在就是追随Google发表的Dataflow模型，我们只要把Dataflow模型搞清楚了，也就搞清楚了Flink。 Storm是流式数据处理的一个重要节点，从讲解系统进化的过程，我们是避不开的。