Flink入门与实战大数据技术原理与应用Flink大数据项目实战Flink实时数仓教程大数 pdf下载

本书旨在帮助读者从零开始快速掌握Flink的基本原理与核心功能。本书首先介绍了Flink的基本原理和安装部署，并对Flink中的一些核心API进行了详细分析。然后配套对应的案例分析，分别使用Java代码和Scala代码实现案例。*后通过两个项目演示了Flink在实际工作中的一些应用场景，帮助读者快速掌握Flink开发。 学习本书需要大家具备一些大数据的基础知识，比如Hadoop、Kafka、Redis、Elasticsearch等框架的基本安装和使用。本书也适合对大数据实时计算感兴趣的读者阅读。 学习本书需要大家具备一些大数据的基础知识，例如Hadoop、Kafka、Redis、Elasticsearch等框架的基本安装和使用。本书也适合对大数据实时计算感兴趣的爱好者阅读。


徐葳，拥有多年一线互联网公司软件的研发经验，曾担任猎豹移动大数据技术专家、中科院大数据研究院大数据技术专家、某大学外聘大数据讲师。他主导开发海外舆情监控系统、海量数据采集平台、OLAP数据分析平台、三度关系推荐系统和PB级数据检索系统等，并进行大数据相关的内容培训。此外，他对Hadoop、Storm和Spark等大数据技术框架有深入的理解。


深入浅出展现Flink技术精髓，力求详细而完整地描述Flink大数据项目实战，从零开始快速掌握Flink的基本原理和核心功能，51CTO学院金*网课配套教材

第 1章　Flink概述　　1
1.1　Flink原理分析　　1
1.2　Flink架构分析　　2
1.3　Flink基本组件　　3
1.4　Flink流处理（Streaming）与批处理（Batch）　　4
1.5　Flink典型应用场景分析　　5
1.6　流式计算框架对比　　6
1.7　工作中如何选择实时计算框架　　8
第 2章　Flink快速入门　　9
2.1　Flink开发环境分析　　9
2.1.1　开发工具推荐　　9
2.1.2　Flink程序依赖配置　　10
2.2　Flink程序开发步骤　　11
2.3　Flink流处理（Streaming）案例开发　　11
2.3.1　Java代码开发　　12
2.3.2　Scala代码开发　　14
2.3.3　执行程序　　16
2.4　Flink批处理（Batch）案例开发　　16
2.4.1　Java代码开发　　16
2.4.2　Scala代码开发　　18
2.4.3　执行程序　　19
第3章　Flink的安装和部署　　20
3.1　Flink本地模式　　20
3.2　Flink集群模式　　22
3.2.1　Standalone模式　　23
3.2.2　Flink on Yarn模式　　26
3.2.3　yarn-session.sh命令分析　　30
3.2.4　Flink run命令分析　　30
3.3　Flink代码生成JAR包　　31
3.4　Flink HA的介绍和使用　　35
3.4.1　Flink HA　　35
3.4.2　Flink Standalone集群的HA安装和配置　　35
3.4.3　Flink on Yarn集群HA的安装和配置　　50
3.5　Flink Scala Shell　　53
第4章　Flink常用API详解　　56
4.1　Flink API的抽象级别分析　　56
4.2　Flink DataStream的常用API　　57
4.2.1　DataSource　　57
4.2.2　Transformation　　66
4.2.3　Sink　　70
4.3　Flink DataSet的常用API分析　　80
4.3.1　DataSource　　80
4.3.2　Transformation　　81
4.3.3　Sink　　82
4.4　Flink Table API和SQL的分析及使用　　82
4.4.1　Table API和SQL的基本使用　　83
4.4.2　DataStream、DataSet和Table之间的转换　　87
4.4.3　Table API和SQL的案例　　91
4.5　Flink支持的DataType分析　　97
4.6　Flink序列化分析　　97
第5章　Flink*级功能的使用　　99
5.1　Flink Broadcast　　99
5.2　Flink Accumulator　　104
5.3　Flink Broadcast和Accumulator的区别　　108
5.4　Flink Distributed Cache　　108
第6章　Flink State管理与恢复　　112
6.1　State　　112
6.1.1　Keyed State　　113
6.1.2　Operator State　　115
6.2　State的容错　　116
6.3　CheckPoint　　118
6.4　StateBackend　　119
6.5　Restart Strategy　　121
6.6　SavePoint　　123
第7章　Flink窗口详解　　125
7.1　Window　　125
7.2　Window的使用　　126
7.2.1　Time Window　　127
7.2.2　Count Window　　128
7.2.3　自定义Window　　129
7.3　Window聚合分类　　130
7.3.1　增量聚合　　130
7.3.2　全量聚合　　132
第8章　Flink Time详解　　134
8.1　Time　　134
8.2　Flink如何处理乱序数据　　135
8.2.1　Watermark　　136
8.2.2　Watermark的生成方式　　137
8.3　EventTime+Watermark解决乱序数据的案例详解　　138
8.3.1　实现Watermark的相关代码　　138
8.3.2　通过数据跟踪Watermark的时间　　142
8.3.3　利用Watermark+Window处理乱序数据　　149
8.3.4　Late Element的处理方式　　153
8.3.5　在多并行度下的Watermark应用　　163
8.3.6　With Periodic Watermarks案例总结　　165
第9章　Flink并行度详解　　166
9.1　Flink并行度　　166
9.2　TaskManager和Slot　　166
9.3　并行度的设置　　167
9.3.1　并行度设置之Operator Level　　168
9.3.2　并行度设置之Execution Environment Level　　168
9.3.3　并行度设置之Client Level　　169
9.3.4　并行度设置之System Level　　169
9.4　并行度案例分析　　169
第 10章　Flink Kafka Connector详解　　172
10.1　Kafka Connector　　172
10.2　Kafka Consumer　　173
10.2.1　Kafka Consumer消费策略设置　　173
10.2.2　Kafka Consumer的容错　　175
10.2.3　动态加载Topic　　176
10.2.4　Kafka Consumer Offset自动提交　　177
10.3　Kafka Producer　　177
10.3.1　Kafka Producer的使用　　177
10.3.2　Kafka Producer的容错　　179

第 11章　Flink实战项目开发　　184
11.1　实时数据清洗（实时ETL）　　184
11.1.1　需求分析　　184
11.1.2　项目架构设计　　184
11.1.3　项目代码实现　　186
11.2　实时数据报表　　205
11.2.1　需求分析　　205
11.2.2　项目架构设计　　206
11.2.3　项目代码实现　　207