类似推荐
编辑推荐
带你走近Apache Flink，一个为全世界多个Z大规模级别的流处理应用提供支持的开源框架。通过本书，你将探索并行流处理的基本概念并了解该技术与传统批处理的区别。
内容简介
Apache Flink项目的资深贡献者Fabian Hueske和Vasiliki Kalavri展示了如何使用Flink DataStream API实现可伸缩的流式应用，以及怎样在业务环境中持续运行和维护这些应用。流处理的理想应用场景有很多，包括低延迟ETL、流式分析、实时仪表盘以及欺诈检测、异常检测和报警。你可以在任意类型的持续数据（包括用户交互、金融交易和物联网等数据）生成后，立即对它们进行处理。
了解有关分布式状态化流处理的概念和挑战。
探索Flink的系统架构，包括事件时间处理模式和容错模型。
理解DataStream API的基础知识和构成要素，包括基于时间和有状态的算子。
以精确一次的一致性读写外部系统。
部署和配置Flink集群。
对持续运行的流式应用进行运维。
作者简介
作者介绍
Fabian Hueske是Apache Flink项目的PMC成员，他从Flink项目创始之初就开始参与贡献。Fabian是data Artisans（现在的Ververica）公司的创始人之一，拥有柏林工业大学的计算机科学博士学位。
Vasiliki Kalavri是苏黎世联邦理工学院系统组的博士后研究员。她同样也是Apache Flink项目的PMC成员。作为Flink早期贡献者，Vasiliki参与了图计算库Gelly以及初期版本的Table API和流式SQL的建设工作。
译者介绍
崔星灿，加拿大约克大学博士后，分布式流处理技术和开源爱好者，Apache Flink Committer。
章节目录
目录
前言 .1
第1 章 状态化流处理概述 .7
传统数据处理架构 .8
事务型处理 8
分析型处理.9
状态化流处理11
事件驱动型应用 .13
数据管道 14
流式分析 15
开源流处理的演变 .16
历史回顾 17
Flink 快览 18
运行首个Flink 应用 .20
小结 .23
第2 章 流处理基础 . 25
Dataflow 编程概述 25
Dataflow 图 25
数据并行和任务并行 26
数据交换策略 .27
并行流处理 28
延迟和吞吐.28
数据流上的操作 .31
时间语义 .36
流处理场景下一分钟的含义 37
处理时间 38
事件时间 39
水位线 40
处理时间与事件时间 41
状态和一致性模型 .41
任务故障 43
结果保障 44
小结 .46
第3 章 Apache Flink 架构 . 47
系统架构 .47
搭建Flink 所需组件 .48
应用部署 50
任务执行 51
高可用性设置 .52
Flink 中的数据传输 .54
基于信用值的流量控制 56
任务链接 57
事件时间处理 58
时间戳 59
水位线 59
水位线传播和事件时间 61
时间戳分配和水位线生成 63
状态管理 .64
算子状态 65
键值分区状态 .66
状态后端 68
有状态算子的扩缩容 68
检查点、保存点及状态恢复 71
一致性检查点 .71
从一致性检查点中恢复 72
Flink 检查点算法 .74
检查点对性能的影响 79
保存点 79
小结 .82
第4 章 设置Apache Flink 开发环境83
所需软件 .83
在IDE 中运行和调试Flink 程序 .84
在IDE 中导入书中示例 .84
在IDE 中运行Flink 程序 .87
在IDE 中调试Flink 程序 88
创建Flink Maven 项目 89
小结 .90
第5 章 DataStream API （1.7 版本） . 91
Hello, Flink! 91
设置执行环境 .93
读取输入流.94
应用转换 94
输出结果 95
执行 96
转换操作 .96
基本转换 97
基于KeyedStream 的转换 100
多流转换 104
分发转换 108
设置并行度111
类型 . 112
支持的数据类型 . 113
为数据类型创建类型信息116
显式提供类型信息 . 117
定义键值和引用字段 . 118
字段位置118
字段表达式. 119
键值选择器.120
实现函数 .121
函数类 121
Lambda 函数 122
富函数 123
导入外部和Flink 依赖 124
小结 .125
第6 章 基于时间和窗口的算子127
配置时间特性 127
分配时间戳和生成水位线 129
水位线、延迟及完整性问题 133
处理函数 .134
时间服务和计时器 .136
向副输出发送数据 .138
CoProcessFunction .140
窗口算子 .141
定义窗口算子 .142
内置窗口分配器 .143
在窗口上应用函数 .148
自定义窗口算子 .155
基于时间的双流Join .167
基于间隔的Join .167
基于窗口的Join .168
处理迟到数据 170
丢弃迟到事件 .170
重定向迟到事件 .171
基于迟到事件更新结果 172
小结 .174
第7 章 有状态算子和应用 . 175
实现有状态函数 176
在RuntimeContext 中声明键值分区状态 .176
通过ListCheckpointed 接口实现算子列表状态 .180
使用CheckpointedFunction 接口 .187
接收检查点完成通知 189
为有状态的应用开启故障恢复 190
确保有状态应用的可维护性 190
指定算子唯一标识 .191
为使用键值分区状态的算子定义最大并行度 192
有状态应用的性能及鲁棒性 192
选择状态后端 .193
选择状态原语 .194
防止状态泄露 .195
更新有状态应用 198
保持现有状态更新应用 199
从应用中删除状态 .200
修改算子的状态 .200
可查询式状态 .202
可查询式状态服务的架构及启用方式203
对外暴露可查询式状态 204
从外部系统查询状态 205
小结 .207
第8 章 读写外部系统209
应用的一致性保障 .210
幂等性写211
事务性写211
内置连接器 213
Apache Kafka 数据源连接器 214
Apache Kafka 数据汇连接器 218
文件系统数据源连接器 222
文件系统数据汇连接器 224
Apache Cassandra 数据汇连接器 .228
实现自定义数据源函数 .232
可重置的数据源函数 233
数据源函数、时间戳及水位线 .235
实现自定义数据汇函数 .236
幂等性数据汇连接器 238
事务性数据汇连接器 239
异步访问外部系统 .248
小结 .251
第9 章 搭建Flink 运行流式应用253
部署模式 .253
独立集群 254
Docker 256
Apache Hadoop YARN .258
Kubernetes 261
高可用性设置 266
独立集群的HA 设置 267
YARN 上的HA 设置 268
Kubernetes 的HA 设置 270
集成Hadoop 组件 270
文件系统配置 272
系统配置 .274
Java 和类加载.275
CPU 275
内存和网络缓冲 .276
磁盘存储 278
检查点和状态后端 .279
安全性 280
小结 .281
第10 章 Flink 和流式应用运维283
运行并管理流式应用 .283
保存点 284
通过命令行客户端管理应用 285
通过REST API 管理应用 .292
在容器中打包并部署应用 298
控制任务调度 302
控制任务链接 .302
定义处理槽共享组 .303
调整检查点及恢复 .305
配置检查点.306
配置状态后端 .309
配置故障恢复 . 311
监控Flink 集群和应用 313
Flink Web UI 313
指标系统 316
延迟监控 322
配置日志行为 323
小结 .324
第11 章 还有什么？ 325
Flink 生态的其他组成部分 325
用于批处理的DataSet API .325
用于关系型分析的Table API 及SQL 326
用于复杂事件处理和模式匹配的FlinkCEP .326
用于图计算的Gelly .327
欢迎加入社区 327
基于Apache Flink的流处理是2019年由中国电力出版社出版,作者Fabian。
得书感谢您对《基于Apache Flink的流处理》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
