Flink入门与实战/51CTO学院丛书

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。最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。

Flink是大数据处理领域最近冉冉升起的一颗新星，它可以基于Hadoop进行开发和使用，与Hadoop紧密结合。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，并具有以下特点：
1.这是一本Flink入门级图书，力求详细而完整地描述Flink基础理论与实际操作。
2.采用Flink 1.6版本写作，案例丰富实用，做到学以致用。
3.细节与案例兼顾，深入浅出展现Flink技术精髓。
4.51CTO热门网课配套教材，可与网课结合学习，快速提升大数据开发技能。

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高级功能的使用　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