Flink核心技术与实战 / 系统掌握流数据处理必杀技

张利兵
第四范式数据中台架构师,Apache Flink贡献者
  • 课程目录
  • 课程介绍
  • 01 | 课程介绍

  • 02 | 内容综述

  • 03 | 流处理技术概览

  • 04 | Flink发展历史与应用场景

  • 05 | Flink核心特性

  • 06 | Flink集群架构

  • 07 | Flink集群运行模式

  • 08 | Flink集群资源管理器支持

  • 09 | Standalone原理讲解与实操演示

  • 10 | Flink On Yarn部署讲解

  • 11 | Flink On Yarn实操演示

  • 12 | Flink On Kubernetes部署讲解

  • 13 | Flink On Kubernetes实操-Session模式

  • 14 | Flink On Kubernetes实操-Per-Job模式

  • 15 | Flink On Kubernetes Native部署讲解

  • 16 | Flink On Kubernetes Native实操演示

  • 17 | Flink高可用配置原理讲解

  • 18 | Flink高可用配置实操演示

  • 19 | 分布式流处理模型

  • 20 | DataStream API 实践原理

  • 21 | Flink 时间概念

  • 22 | Watermark实践原理

  • 23 | Watermark与Window的关系

  • 24 | Watermark Generator

  • 25 | Windows窗口计算

  • 26 | Window Assigner

  • 27 | Window Trigger

  • 28 | Window Evictors

  • 29 | Window Function

  • 30 | Windows多流合并

  • 31 | Process Function应用

  • 32 | SideOutput旁路输出

  • 33 | Asynchronous I/O异步操作

  • 34 | Pipeline与StreamGraph转换

  • 35 | Flink类型系统

  • 36 | 自定义SourceFunction

  • 37 | 项目实战:基于DataStream API实现PV,UV统计

  • 38 | 有状态计算概念

  • 39 | 状态类型及应用

  • 40 | KeyedState介绍与使用

  • 41 | OperatorState介绍与使用

  • 42 | BroadcastState介绍与使用

  • 43 | Checkpoint实现原理

  • 44 | Savepoint与Checkpoint

  • 45 | StateBackends状态管理器

  • 46 | State Schema Evolution

  • 47 | State序列化与反序列化

  • 48 | Queryable State介绍与使用

  • 49|项目实战:实时交易反欺诈项目介绍

  • 50|项目实战:实时交易反欺诈项目演示

  • 51|Flink Table API/SQL介绍与使用

  • 52|Table API/SQL核心概念

  • 53|DataStream & DataSet 与Table相互转换

  • 54|Table Connector介绍与使用

  • 55|Querying Dynamic Tables

  • 56|TimeStamp与Watermark时间属性定义

  • 57|Query With Temporal Condition

  • 58|Join With Dynamic Table

  • 59|Join With Temporal Function

  • 60|Join With Temporal Tables

  • 61|Catalog原理与使用

  • 62|Apache Hive集成

  • 63|SQL Client介绍与使用

  • 64|Flink SQL Table数据类型

  • 65|自定义Function

  • 66|Table Connector使用

  • 67|自定义Connector

  • 68|new tablesource & tablesink api

  • 69|项目实战:基于Flink SQL实现Top10商品统计

  • 70|Runtime整体架构

  • 71|Flink Client实现原理

  • 72|ResourceManager资源管理

  • 73|Dispatcher任务分发器

  • 74|JobGraph提交与运行(上)

  • 75|JobGraph提交与运行(下)

  • 76|Task执行与调度

  • 77|Task重启和容错策略

  • 78|集群组件Rpc通信机制

  • 79|NetworkStatck实现原理

  • 80|Flink内存管理

  • 81|Metric指标分类与采集

  • 82|Flink RestAPI介绍与使用

  • 83|Checkpoint监控与调优

  • 84|反压监控与原理

  • 85|Flink内存配置与调优

  • 86|PyFlink实践与应用

  • 87|Flink复杂事件处理:Complex event process

  • 88|Alink机器学习框架介绍与使用

  • 89|Stateful Function介绍与使用

  • 90|实时推荐系统项目设计与实现

  • 91|结束语

【立省¥40 | 截止今晚 24:00】

拼团 + 口令[ Happy2021]立省¥40,到手仅 ¥89

你将获得

  1. 熟练掌握Flink SQL接口的原理与操作方法;
  2. 深入理解Flink DataStream API的实践原理;
  3. 全面剖析Flink Runtime的设计与实现机制;
  4. 完整构建一个实时推荐数据流系统。

讲师介绍

张利兵,第四范式数据中台架构师,Apache Flink的贡献者,《Flink原理、实战与性能优化》的作者。

张利兵老师在大数据领域深耕了7年之久,曾主导某国企银行实时风控平台的产品研发和部署,带领团队进行某轨道行业实时运维智能平台的架构与研发工作。在大数据领域拥有非常丰富的工作经验,对Hadoop、Spark、Flink、机器学习等大数据技术有着深入的了解。张利兵老师同是也获得了Cloudera CCAH认证,Cloudera SEBC认证以及Cloudera认证讲师,拥有非常丰富的授课经验。

课程介绍

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

适合人群

需要你有一门语言基础,如Java、Scala、Python等;有一定的编程基础。

特别放送

订阅须知