Flink 核心技术与实战 
16166 人已学习
新⼈⾸单¥68
课程目录
已完结/共 91 讲
第一章：Apache Flink介绍 (5讲)
时长 07:02
时长 02:47
时长 13:44
时长 06:24
时长 07:59
第二章：Flink部署与应用 (13讲)
时长 19:58
时长 17:21
时长 07:28
时长 23:53
时长 18:33
时长 21:08
时长 30:09
时长 09:32
时长 10:09
时长 12:12
时长 13:42
时长 09:17
时长 07:11
第三章：Flink DataStream API实践原理 (19讲)
时长 04:44
时长 31:34
时长 06:23
时长 12:50
时长 17:46
时长 17:01
时长 10:10
时长 10:38
时长 14:17
时长 07:57
时长 24:20
时长 18:15
时长 20:07
时长 10:53
时长 20:51
时长 16:33
时长 18:14
时长 17:57
时长 18:32
第四章：Flink状态管理和容错 (13讲)
时长 13:24
时长 10:03
时长 09:54
时长 19:34
时长 27:28
时长 20:24
时长 17:13
时长 16:09
时长 11:47
时长 16:55
时长 15:42
时长 19:42
时长 12:23
第五章：Flink Table & SQL实践原理 (19讲)
时长 22:00
时长 28:40
时长 17:16
时长 23:12
时长 27:33
时长 23:17
时长 17:55
时长 20:33
时长 11:08
时长 12:04
时长 14:43
时长 20:38
时长 16:05
时长 19:55
时长 21:04
时长 13:37
时长 23:41
时长 12:52
时长 17:30
第六章：Flink Runtime设计与实现 (11讲)
时长 15:57
时长 19:54
时长 16:07
时长 17:44
时长 22:23
时长 25:49
时长 23:32
时长 14:17
时长 18:06
时长 22:10
时长 22:36
第七章：Flink监控与性能优化 (5讲)
时长 16:57
时长 10:25
时长 28:00
时长 18:48
时长 16:32
第八章：Flink组件栈介绍与使用 (4讲)
时长 20:33
时长 20:31
时长 13:40
时长 18:18
第九章：项目实战-使用Flink构建推荐系统实时数据流 (2讲)
时长 13:54
时长 06:17
Flink 核心技术与实战
登录|注册
当前播放: 05 | Flink核心特性
00:00 / 00:00
高清
- 高清
1.0x
- 2.0x
- 1.5x
- 1.25x
- 1.0x
- 0.75x
- 0.5x
付费课程，可试看
01 | 课程介绍
02 | 内容综述
03 | 流处理技术概览
04 | Flink发展历史与应用场景
05 | Flink核心特性
06 | Flink集群架构
07 | Flink集群运行模式
08 | Flink集群资源管理器支持
09 | Standalone原理讲解与实操演示
10 | Flink On Yarn部署讲解
11 | Flink On Yarn实操演示
12 | Flink On Kubernetes部署讲解
13 | Flink On Kubernetes实操：Session模式
14 | Flink On Kubernetes实操：Per-job模式
15 | Flink On Kubernetes Native部署讲解
16 | Flink On Kubernetes Native实操演示
17 | Flink高可用配置原理讲解
18 | Flink高可用配置实操演示
19 | 分布式流处理模型
20 | DataStream API实践原理
21 | Flink时间概念
22 | Watermark实践原理
23 | Watermark与Window的关系
24 | Watermark Generator
25 | Windows窗口计算
26 | Window Assigner
27 | Window Trigger
28 | Window Evictors
29 | Window Function
30 | Windows多流合并
31 | Process Function应用
32 | SideOutput旁路输出
33 | Asynchronous I/O异步操作
34 | Pipeline与StreamGraph转换
35 | Flink类型系统
36 | 自定义SourceFunction
37 | 项目实战：基于DataStream API实现PV，UV统计
38 | 有状态计算概念
39 | 状态类型及应用
40 | KeyedState介绍与使用
41 | OperatorState介绍与使用
42 | BroadcastState介绍与使用
43 | Checkpoint实现原理
44 | Savepoint与Checkpoint
45 | StateBackends状态管理器
46 | State Schema Evolution
47 | State序列化与反序列化
48 | Queryable State介绍与使用
49｜项目实战：实时交易反欺诈项目介绍
50｜项目实战：实时交易反欺诈项目演示
51｜Flink Table API/SQL介绍与使用
52｜Table API/SQL核心概念
53｜DataStream & DataSet 与Table相互转换
54｜Table Connector介绍与使用
55｜Querying Dynamic Tables
56｜TimeStamp与Watermark时间属性定义
57｜Query With Temporal Condition
58｜Join With Dynamic Table
59｜Join With Temporal Function
60｜Join With Temporal Tables
61｜Catalog原理与使用
62｜Apache Hive集成
63｜SQL Client介绍与使用
64｜Flink SQL Table数据类型
65｜自定义Function
66｜Table Connector使用
67｜自定义Connector
68｜new tablesource & tablesink api
69｜项目实战：基于Flink SQL实现Top10商品统计
70｜Runtime整体架构
71｜Flink Client实现原理
72｜ResourceManager资源管理
73｜Dispatcher任务分发器
74｜JobGraph提交与运行（上）
75｜JobGraph提交与运行（下）
76｜Task执行与调度
77｜Task重启和容错策略
78｜集群组件RPC通信机制
79｜NetworkStatck实现原理
80｜Flink内存管理
81｜Metric指标分类与采集
82｜Flink REST API介绍与使用
83｜Checkpoint监控与调优
84｜反压监控与原理
85｜Flink内存配置与调优
86｜PyFlink实践与应用
87｜Flink复杂事件处理：Complex event process
88｜Alink机器学习框架介绍与使用
89｜Stateful Function介绍与使用
90｜实时推荐系统项目设计与实现
91｜结束语
本节摘要
登录 后留言
全部留言(6)
- 最新
- 精选
Allan
什么样的数据是需要存储状态的场景
作者回复: 凡是涉及到实时统计的场景都比较适合状态计算，比如窗口统计，窗口里面的数据都会被当成状态，另外还有一些计数，Sum统计等，这些指标最大的特点是累加计算，因此只需要维系一个状态结果就可以，这样就不需要每次统计都要将数据全部取出来然后再统计结果了。
2020-09-02
6
勿更改任何信息
统一数据处理组件栈，处理不同类型的数据需求（beach、stream、machine learning， graph），支持不同的组件站，满足不同的需求
支持event time， ingestion time, processing time 等时间概念
基于分布式快照实现的数据一致性保障，在checkpoint的基础上能够保证数据不会丢失也不会重复，
有状态的计算，通过在计算框架内通过kv进行持久化，基于hdfs、内存、rocksDB的持久化支持
支持高度灵活的窗口操作
带反压的连续流模型， 下游算子处理能力跟不上的时候通过Flow Control传递上上游，最终传递给source，从而保证系统稳定的运行
基于JVM实现独立的内存管理，脱离JVM
作者回复: 总结的很好，后面我们会针对每个点来从原理的角度分析，帮助你更好的理解和掌握
2020-09-03
4
静水流深
老师讲得很好!
2021-01-13
1
Geek_a87f10
有状态计算中的状态是用来数据复用时候的标识么
2023-04-25
不焦躁的程序员
Flink 也能做批处理吗？
如果有大数据报表统计的场景，能使用Flink 吗
2022-04-10
The One
目前在做风控的计算框架的技术选型，看到老师有风控北京，想问下老师flink 在风控中承担了什么样的角色?
2021-10-30
收起评论