Flink是大數據處理領域最近冉冉升起的一顆新星，它可以基於Hadoop進行開發和使用，與Hadoop緊密結合。本書旨在幫助讀者從零開始快速掌握Flink的基本原理與核心功能，並具有以下特點：
1.這是一本Flink入門級圖書，力求詳細而完整地描述Flink基礎理論與實際操作。
2.采用Flink 1.6版本寫作，案例豐富實用，做到學以致用。
3.細節與案例兼顧，深入淺出展現Flink技術精髓。
4.51CTO熱門網課配套教材，可與網課結合學習，快速提升大數據開發技能。

本書旨在幫助讀者從零開始快速掌握Flink的基本原理與核心功能。本書首先介紹了Flink的基本原理和安裝部署，並對Flink中的一些核心API進行了詳細分析。然後配套對應的案例分析，分別使用Java代碼和Scala代碼實現案例。最後通過兩個項目演示了Flink在實際工作中的一些應用場景，幫助讀者快速掌握Flink開發。
學習本書需要大家具備一些大數據的基礎知識，比如Hadoop、Kafka、Redis、Elasticsearch等框架的基本安裝和使用。本書也適合對大數據實時計算感興趣的讀者閱讀。

學習本書需要大家具備一些大數據的基礎知識，例如Hadoop、Kafka、Redis、Elasticsearch等框架的基本安裝和使用。本書也適合對大數據實時計算感興趣的愛好者閱讀。

徐葳，擁有多年一線互聯網公司軟件的研發經驗，曾擔任獵豹移動大數據技術專家、中科院大數據研究院大數據技術專家、某大學外聘大數據講師。他主導開發海外輿情監控繫統、海量數據采集平臺、OLAP數據分析平臺、三度關繫推薦繫統和PB級數據檢索繫統等，並進行大數據相關的內容培訓。此外，他對Hadoop、Storm和Spark等大數據技術框架有深入的理解。

第 1章Flink概述1
1．1Flink原理分析1
1．2Flink架構分析2
1．3Flink基本組件3
1．4Flink流處理（Streaming）與批處理（Batch）4
1．5Flink典型應用場景分析5
1．6流式計算框架對比6
1．7工作中如何選擇實時計算框架8
第2章 Flink快速入門9
2．1Flink開發環境分析9
2．1．1開發工具推薦9
2．1．2Flink程序依賴配置10
2．2Flink程序開發步驟11
2．3Flink流處理（Streaming）案例開發11
2．3．1Java代碼開發12
2．3．2Scala代碼開發14
2．3．3執行程序16
2．4Flink批處理（Batch）案例開發16
2．4．1Java代碼開發16
2．4．2Scala代碼開發18
2．4．3執行程序19
第3章Flink的安裝和部署20
3．1Flink本地模式20
3．2Flink集群模式22
3．2．1Standalone模式23
3．2．2Flink on Yarn模式26
3．2．3yarn-session．sh命令分析30
3．2．4Flink run命令分析30
3．3Flink代碼生成JAR包31
3．4Flink HA的介紹和使用35
3．4．1Flink HA35
3．4．2Flink Standalone集群的HA安裝和配置35
3．4．3Flink on Yarn集群HA的安裝和配置50
3．5Flink Scala Shell53
第4章Flink常用API詳解56
4．1Flink API的抽像級別分析56
4．2Flink DataStream的常用API57
4．2．1DataSource57
4．2．2Transformation66
4．2．3Sink70
4．3Flink DataSet的常用API分析80
4．3．1DataSource80
4．3．2Transformation81
4．3．3Sink82
4．4Flink Table API和SQL的分析及使用82
4．4．1Table API和SQL的基本使用83
4．4．2DataStream、DataSet和Table之間的轉換87
4．4．3Table API和SQL的案例91
4．5Flink支持的DataType分析97
4．6Flink序列化分析97
第5章Flink高級功能的使用99
5．1Flink Broadcast99
5．2Flink Accumulator104
5．3Flink Broadcast和Accumulator的區別108
5．4Flink Distributed Cache108
第6章Flink State管理與恢復112
6．1State112
6．1．1Keyed State113
6．1．2Operator State115
6．2State的容錯116
6．3CheckPoint118
6．4StateBackend119
6．5Restart Strategy121
6．6SavePoint123
第7章Flink窗口詳解125
7．1Window125
7．2Window的使用126
7．2．1Time Window127
7．2．2Count Window128
7．2．3自定義Window129
7．3Window聚合分類130
7．3．1增量聚合130
7．3．2全量聚合132
第8章Flink Time詳解134
8．1Time134
8．2Flink如何處理亂序數據135
8．2．1Watermark136
8．2．2Watermark的生成方式137
8．3EventTime+Watermark解決亂序數據的案例詳解138
8．3．1實現Watermark的相關代碼138
8．3．2通過數據跟蹤Watermark的時間142
8．3．3利用Watermark+Window處理亂序數據149
8．3．4Late Element的處理方式153
8．3．5在多並行度下的Watermark應用163
8．3．6With Periodic Watermarks案例總結165
第9章Flink並行度詳解166
9．1Flink並行度166
9．2TaskManager和Slot166
9．3並行度的設置167
9．3．1並行度設置之Operator Level168
9．3．2並行度設置之Execution Environment Level168
9．3．3並行度設置之Client Level169
9．3．4並行度設置之System Level169
9．4並行度案例分析169
第10章 Flink Kafka Connector詳解172
10．1Kafka Connector172
10．2Kafka Consumer173
10．2．1Kafka Consumer消費策略設置173
10．2．2Kafka Consumer的容錯175
10．2．3動態加載Topic176
10．2．4Kafka Consumer Offset自動提交177
10．3Kafka Producer177
10．3．1Kafka Producer的使用177
10．3．2Kafka Producer的容錯179

第11章 Flink實戰項目開發184
11．1實時數據清洗（實時ETL）184
11．1．1需求分析184
11．1．2項目架構設計184
11．1．3項目代碼實現186
11．2實時數據報表205
11．2．1需求分析205
11．2．2項目架構設計206
11．2．3項目代碼實現207