资源介绍：

系统掌握流数据处理必杀技

熟练掌握 Flink SQL 接口的原理与操作方法；

深入理解 Flink DataStream API 的实践原理；

全面剖析 Flink Runtime 的设计与实现机制；

完整构建一个实时推荐数据流系统

目前大部分公司的大数据处理工作，使用的还是离线处理技术，但未来，流式计算必定会成为分布式计算的重要方向之一。如果你想要掌握一门具有前瞻性的流式计算处理技术，Flink 必然是你的首选。目前为止，开源界唯一真正同时做到低时延，数据一致性保障以及高吞吐的大数据处理技术，也只有 Flink。它可以在毫秒级的延迟情况下，实现每秒钟处理上亿次的消息或者事件

Flink 的上手门槛比较高，API 不够直观也不够好用，在不同使用模式下体验也不一致。有了问题，求助社区，得到反馈时间又比较长，这些问题让我们自学起来困难重重

本课程会通过讲解 Flink 的核心特性以及实操部署，带你入门 Flink。结合三个不同的实战，重点讲解 Flink 作业的开发与实践技巧，加深掌握。随后对核心原理进行剖析，包括 Runtime 的设计与实现，常用的监控指标 Checkpoint、反压等概念。在课程的最后部分，我会安排一个完整的推荐项目，串联所有知识点进行实战，让你更加游刃有余地使用 Flink 进行工作开发

课程目录

• 01丨课程介绍
• 02丨内容综述
• 03丨流处理技术概览
• 04丨Flink发展历史与应用场景
• 05丨Flink核心特性
• 06丨Flink集群架构
• 07丨Flink集群运行模式
• 08丨Flink集群资源管理器支持
• 09丨Standalone原理讲解与实操演示
• 10丨Flink On Yarn部署讲解
• 11丨Flink On Yarn实操演示
• 12丨Flink On Kubernetes部署讲解
• 13丨Flink On Kubernetes实操-Session模式
• 14丨Flink On Kubernetes实操-Per-Job模式
• 15丨Flink On Kubernetes Native部署讲解
• 16丨Flink On Kubernetes Native实操演示
• 17丨Flink高可用配置原理讲解
• 18丨Flink高可用配置实操演示
• 19丨分布式流处理模型
• 20丨DataStream API 实践原理
• 21丨Flink 时间概念
• 22丨Watermark实践原理
• 23丨Watermark与Window的关系
• 24丨Watermark Generator
• 25丨Windows窗口计算
• 26丨Window Assigner
• 27丨Window Trigger
• 28丨Window Evictors
• 29丨Window Function
• 30丨Windows多流合并
• 31丨Process Function应用
• 32丨SideOutput旁路输出
• 33丨Asynchronous IO异步操作
• 34丨Pipeline与StreamGraph转换
• 35丨Flink类型系统
• 36丨自定义SourceFunction
• 37丨项目实战：基于DataStream API实现PV，UV统计
• 38丨有状态计算概念
• 39丨状态类型及应用
• 40丨KeyedState介绍与使用
• 41丨OperatorState介绍与使用
• 42丨BroadcastState介绍与使用
• 43丨Checkpoint实现原理
• 44丨Savepoint与Checkpoint
• 45丨StateBackends状态管理器
• 46丨State Schema Evolution
• 47丨State序列化与反序列化
• 48丨Querable State介绍与使用
• 49丨项目实战：实时交易反欺诈项目介绍
• 50丨项目实战：实时交易反欺诈项目演示
• 51丨FlinkTableAPI-SQL介绍与使用
• 52丨TableAPI-SQL核心概念
• 53丨DataStream&DataSet与Table相互转换
• 54丨TableConnector介绍与使用
• 55丨QueryingDynamicTables
• 56丨TimeStamp与Watermark时间属性定义
• 57丨QueryWithTemporalCondition
• 58丨JoinWithDynamicTable
• 59丨JoinWithTemporalFunction
• 60丨JoinWithTemporalTables
• 61丨Catalog原理与使用
• 62丨ApacheHive集成
• 63丨SQLClient介绍与使用
• 64丨FlinkSQLTable数据类型
• 65丨自定义Function
• 66丨TableConnector使用
• 67丨自定义Connector
• 68丨newtablesource&tablesinkapi
• 69丨项目实战：基于FlinkSQL实现Top10商品统计
• 70丨Runtime整体架构
• 71丨FlinkClient实现原理
• 72丨ResourceManager资源管理
• 73丨Dispatcher任务分发器
• 74丨JobGraph提交与运行（上）
• 75丨JobGraph提交与运行（下）
• 76丨Task执行与调度
• 77丨Task重启和容错策略
• 78丨集群组件Rpc通信机制
• 79丨NetworkStatck实现原理
• 80丨Flink内存管理
• 81丨Metric指标分类与采集
• 82丨Flink RestAPI介绍与使用
• 83丨Checkpoint监控与调优
• 84丨反压监控与原理
• 85丨Flink内存配置与调优
• 86丨PyFlink实践与应用
• 87丨Flink复杂事件处理：Complex event process
• 88丨Alink机器学习框架介绍与使用
• 89丨Stateful Function介绍与使用
• 90丨实时推荐系统项目设计与实现
• 91丨结束语