zoukankan      html  css  js  c++  java
  • 《Flink基础教程》王绍学习资料

    编辑推荐
    作为新一代的开源流处理器,Flink是众多大数据处理框架中一颗冉冉升起的新星。它以同一种技术支持流处理和批处理,并能同时满足高吞吐、低延迟和容错的需求。本书由Flink项目核心成员执笔,系统阐释Flink的适用场景、设计理念、功能、用途和性能优势。n
    n
    - Flink的适用场景n
    - 流处理架构相较于批处理架构的优势n
    - Flink中的时间概念n
    - Flink的检查点机制n
    - Flink的性能优势 
    内容简介
    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。n
    本书面向有兴趣学习如何分析大规模流数据的读者。
    作者简介
    作者介绍n
    n
    埃伦·弗里德曼(ElleFriedman)n
    解决方案咨询师,知名大数据相关技术布道师,在流处理架构和大数据处理框架等方面有多部著作。n
    n
    科斯塔斯·宙马斯(Kostas Tzoumas)n
    Flink项目核心成员,data Artisans公司联合创始人兼首席执行官,在流处理和数据科学领域经验丰富。n
    n
    译者介绍n
    显示全部信息
    目  录
    前言 ixn
    第 1章 为何选择Flink 1n
    1.1 流处理欠佳的后果 2n
    1.1.1 零售业和市场营销 2n
    1.1.2 物联网 3n
    1.1.3 电信业 5n
    1.1.4 银行和金融业 5n
    1.2 连续事件处理的目标 6n
    1.3 流处理技术的演变 6n
    1.4 初探Flink 9n
    1.5 生产环境中的Flink 12n
    1.5.1 布衣格电信 13n
    1.5.2 其他案例 14n
    1.6 Flink的适用场景 15n

    17L7kYpuAkfQKKnS5RFLX9A  ghtl

  • 相关阅读:
    NameNode热迁移方案
    HDFS QJM的架构设计
    HDFS QJM的架构设计
    HDFS QJM机制分析
    HDFS QJM机制分析
    HDFS inotify:Linux inotify机制在HDFS中的实现
    HDFS inotify:Linux inotify机制在HDFS中的实现
    Confluence 6 数据库整合的方法 1:基本流程
    Confluence 6 数据库整合的限制
    Confluence 6 整合到其他数据库
  • 原文地址:https://www.cnblogs.com/caiwuzi/p/13217625.html
Copyright © 2011-2022 走看看