《Flink原理与实践》内容简介

本书围绕大数据流处理领域，介绍Flink DataStream API、时间和窗口、状态和检查点、Table API和SQL等知识。本书以实践为导向，使用大量真实业务场景案例来演示如何基于Flink进行流处理。本书主要面向对大数据领域感兴趣的本科生、研究生，想转行到大数据开发行业的在职人员，或有一定大数据开发经验的相关从业人员。读者最好有一定的Java或Scala编程基础，掌握计算机领域的常见技术概念。
鲁蔚征 前小米工程师，现中国人民大学教师，一直从事大数据相关的开发和研究工作，关注大数据行业的发展，先后接触了Hadoop、Hive、Kafka、Spark、TensorFlow等大数据中间件，在大数据的流处理和批处理方向上有一定的实际工作经验。主要研究项目及领域为推荐系统、大数据。今日头条科技领域优质创作者。

作品目录

内容提要
序
前言
第1章：大数据技术概述
1.1、什么是大数据
1.2、从批处理到流处理
1.3、代表性大数据技术
1.4、从Lambda到Kappa：大数据处理平台的演进
1.5、流处理基础概念
1.6、编程语言的选择
1.7、案例实战使用Kafka构建文本数据流
本章小结
第2章：大数据必备编程知识
2.1、继承和多态
2.2、泛型
2.3、函数式编程
2.4、案例实战Flink开发环境搭建
本章小结
第3章：Flink的设计与运行原理
3.1、Flink数据流图简介
3.2、Flink分布式架构与核心组件
3.3、任务执行与资源划分
3.4、实验WordCount程序迭代和完善
本章小结
第4章：DataStream
API的介绍和使用
4.1、Flink程序的骨架结构
4.2、常见Transformation的使用方法
4.3、数据类型和序列化
4.4、用户自定义函数
4.5、实验股票价格数据流处理
本章小结
第5章：时间和窗口
5.1、Flink的时间语义
5.2、ProcessFunction系列函数
5.3、窗口算子的使用
5.4、双流连接
5.5、处理迟到数据
5.6、实验股票价格数据进阶分析
本章小结
第6章：状态和检查点
6.1、实现有状态的计算
6.2、Checkpoint机制的原理及配置方法
6.3、Savepoint机制的原理及使用方法
6.4、实验电商平台用户行为分析
本章小结
第7章：Flink连接器
7.1、Flink端到端的Exactly-Once保障
7.2、自定义Source和Sink
7.3、Flink中常用的Connector
7.4、实验读取并输出股票价格数据流
本章小结
第8章：Table
API
&
SQL的介绍和使用
8.1、Table
API
&
SQL综述
8.2、动态表和持续查询
8.3、时间和窗口
8.4、Join
8.5、SQL
DDL
8.6、系统内置函数
8.7、用户自定义函数
8.8、实验使用Flink
SQL处理IoT数据
本章小结
第9章：Flink的部署和配置
9.1、Flink集群部署模式
9.2、配置文件
9.3、算子链与槽位共享
9.4、命令行工具
9.5、与Hadoop集成
9.6、实验作业编码、打包与提交
本章小结
参考文献