基於 Flink 1.9 講解的專欄，涉及入門、概念、原理、實戰、性能調優、系統案例的講解。
<!--more-->
專欄介紹
掃碼下面專欄二維碼可以訂閱該專欄
首發地址：http://www.54tianzhisheng.cn/2019/11/15/flink-in-action/
專欄地址：https://gitbook.cn/gitchat/column/5dad4a20669f843a1a37cb4f
專欄亮點
- 全網首個使用最新版本 Flink 1.9 進行內容講解（該版本更新很大，架構功能都有更新），領跑於目前市面上常見的 Flink 1.7 版本的教學課程。
- 包含大量的實戰案例和代碼去講解原理，有助於讀者一邊學習一邊敲代碼，達到更快，更深刻的學習境界。目前市面上的書籍沒有任何實戰的內容，還只是講解純概念和翻譯官網。
- 在專欄高級篇中，根據 Flink 常見的項目問題提供了排查和解決的思維方法，並通過這些問題探究了爲什麼會出現這類問題。
- 在實戰和案例篇，圍繞大廠公司的經典需求進行分析，包括架構設計、每個環節的操作、代碼實現都有一一講解。
爲什麼要學習 Flink？
隨着大數據的不斷髮展，對數據的及時性要求越來越高，實時場景需求也變得越來越多，主要分下面幾大類：
爲了滿足這些實時場景的需求，衍生出不少計算引擎框架。現有市面上的大數據計算引擎的對比如下圖所示：
可以發現無論從 Flink 的架構設計上，還是從其功能完整性和易用性來講都是領先的，再加上 Flink 是阿里巴巴主推的計算引擎框架，所以從去年開始就越來越火了！
目前，阿里巴巴、騰訊、美團、華爲、滴滴出行、攜程、餓了麼、愛奇藝、有贊、唯品會等大廠都已經將 Flink 實踐於公司大型項目中，帶起了一波 Flink 風潮，勢必也會讓 Flink 人才市場產生供不應求的招聘現象。
專欄內容
預備篇
介紹實時計算常見的使用場景，講解 Flink 的特性，並且對比了 Spark Streaming、Structured Streaming 和 Storm 等大數據處理引擎，然後準備環境並通過兩個 Flink 應用程序帶大家上手 Flink。
基礎篇
深入講解 Flink 中 Time、Window、Watermark、Connector 原理，並有大量文章篇幅（含詳細代碼）講解如何去使用這些 Connector（比如 Kafka、ElasticSearch、HBase、Redis、MySQL 等），並且會講解使用過程中可能會遇到的坑，還教大家如何去自定義 Connector。
進階篇
講解 Flink 中 State、Checkpoint、Savepoint、內存管理機制、CEP、Table／SQL API、Machine Learning 、Gelly。在這篇中不僅只講概念，還會講解如何去使用 State、如何配置 Checkpoint、Checkpoint 的流程和如何利用 CEP 處理複雜事件。
高級篇
重點介紹 Flink 作業上線後的監控運維：如何保證高可用、如何定位和排查反壓問題、如何合理的設置作業的並行度、如何保證 Exactly Once、如何處理數據傾斜問題、如何調優整個作業的執行效率、如何監控 Flink 及其作業？
實戰篇
教大家如何分析實時計算場景的需求，並使用 Flink 裏面的技術去實現這些需求，比如實時統計 PV／UV、實時統計商品銷售額 TopK、應用 Error 日誌實時告警、機器宕機告警。這些需求如何使用 Flink 實現的都會提供完整的代碼供大家參考，通過這些需求你可以學到 ProcessFunction、Async I／O、廣播變量等知識的使用方式。
系統案例篇
講解大型流量下的真實案例：如何去實時處理海量日誌（錯誤日誌實時告警／日誌實時 ETL／日誌實時展示／日誌實時搜索）、基於 Flink 的百億數據實時去重實踐（從去重的通用解決方案 --> 使用 BloomFilter 來實現去重 --> 使用 Flink 的 KeyedState 實現去重）。
多圖講解 Flink 知識點
你將獲得什麼
- 掌握 Flink 與其他計算框架的區別
- 掌握 Flink Time／Window／Watermark／Connectors 概念和實現原理
- 掌握 Flink State／Checkpoint／Savepoint 狀態與容錯
- 熟練使用 DataStream／DataSet／Table／SQL API 開發 Flink 作業
- 掌握 Flink 作業部署／運維／監控／性能調優
- 學會如何分析並完成實時計算需求
- 獲得大型高併發流量系統案例實戰項目經驗
適宜人羣
- Flink 愛好者
- 實時計算開發工程師
- 大數據開發工程師
- 計算機專業研究生
- 有實時計算場景場景的 Java 開發工程師
原文出處：zhisheng的博客，歡迎關注我的公衆號：zhisheng