图书推荐 - 《Flink基础教程》

[wayne]

编辑推荐

作为新一代的开源流处理器，Flink是众多大数据处理框架中一颗冉冉升起的新星。它以同一种技术支持流处理和批处理，并能同时满足高吞吐、低延迟和容错的需求。本书由Flink项目核心成员执笔，系统阐释Flink的适用场景、设计理念、功能、用途和性能优势。
　　- Flink的适用场景
　　- 流处理架构相较于批处理架构的优势
　　- Flink中的时间概念
　　- Flink的检查点机制
　　- Flink的性能优势

内容简介

近年来，流处理变得越来越流行。作为高度创新的开源流处理器，Flink拥有诸多优势，包括容错性、高吞吐、低延迟，以及同时支持流处理和批处理的能力。本书分为6章，侧重于介绍Flink的核心设计理念、功能和用途，内容涉及事件时间和处理时间、窗口和水印机制、检查点机制、性能测评，以及Flink如何实现批处理。
　　本书面向有兴趣学习如何分析大规模流数据的读者。

作者介绍

　　埃伦·弗里德曼（Ellen Friedman）
　　解决方案咨询师，知名大数据相关技术布道师，在流处理架构和大数据处理框架等方面有多部著作。
　　科斯塔斯·宙马斯（Kostas Tzoumas）
　　Flink项目核心成员，data Artisans公司联合创始人兼首席执行官，在流处理和数据科学领域经验丰富。
　　译者介绍
　　王绍翾
　　阿里巴巴资 深技术专家，Apache Flink Committer，淘宝花名“大沙”。毕业于北京大学信息科学技术学院，后取得加州大学圣地亚哥分校计算机工程博士学位。目前就职于阿里巴巴计算平台事业部，负责Flink SQL引擎及机器学习的相关开发。加入阿里巴巴之前，在Facebook开发分布式图存储系统TAO。曾多次拜访由Flink创始团队创办的公司data Artisans，并与其首席执行官科斯塔斯·宙马斯（本书作者之一）以及首 席技术官斯蒂芬·尤恩有着广泛的合作。

目录

O'Reilly Media, Inc. 介绍
业界评论
前言
如何阅读本书
排版约定
第 1 章 为何选择 Flink
1.1 流处理欠佳的后果
1.1.1 零售业和市场营销
1.1.2 物联网
1.1.3 电信业
1.1.4 银行和金融业
1.2 连续事件处理的目标
1.3 流处理技术的演变
1.4 初探Flink
批处理与流处理
1.5 生产环境中的Flink
1.5.1 布衣格电信
1.5.2 其他案例
1.6 Flink的适用场景
第 2 章 流处理架构
2.1 传统架构与流处理架构
2.2 消息传输层和流处理层
2.3 消息传输层的理想功能
2.3.1 兼具高性能和持久性
2.3.2 将生产者和消费者解耦
2.4 支持微服务架构的流数据
2.4.1 数据流作为中心数据源
2.4.2 欺诈检测：流处理架构用例
2.4.3 给开发人员带来的灵活性
2.5 不限于实时应用程序
2.6 流的跨地域复制
第 3 章 Flink 的用途
3.1 不同类型的正确性
3.1.1 符合产生数据的自然规律
3.1.2 事件时间
3.1.3 发生故障后仍保持准确
3.1.4 及时给出所需结果
3.1.5 使开发和运维更轻松
3.2 分阶段采用Flink
第 4 章 对时间的处理
4.1 采用批处理架构和Lambda架构计数
4.2 采用流处理架构计数
流处理系统中的批处理
4.3 时间概念
4.4 窗口
4.4.1 时间窗口
4.4.2 计数窗口
4.4.3 会话窗口
4.4.4 触发器
4.4.5 窗口的实现
4.5 时空穿梭
4.6 水印
水印是如何生成的
4.7 真实案例：爱立信公司的Kappa架构
第 5 章 有状态的计算
5.1 一致性
5.2 检查点：保证exactly-once
5.3 保存点：状态版本控制
5.4 端到端的一致性和作为数据库的流处理器
5.5 Flink的性能
5.5.1 Yahoo! Streaming Benchmark
5.5.2 变化1：使用Flink状态
5.5.3 变化2：改进数据生成器并增加吞吐量
5.5.4 变化3：消除网络瓶颈
5.5.5 变化4：使用MapR Streams
5.5.6 变化5：增加key基数
5.6 结论
第 6 章 批处理：一种特殊的流处理
6.1 批处理技术
6.2 案例研究：Flink作为批处理器
附录 其他资源
进一步使用Flink
关于时间和窗口的更多内容
关于状态和检查点的更多内容
用Flink进行批处理
Flink用例和用户故事
流处理架构
消息传输：Kafka
消息传输：MapR Streams
Ted Dunning和Ellen Friedman的部分著作
关于作者

[CSDN-Ada助手]

您可以前往 CSDN问答-大数据 发布问题, 以便更快地解决您的疑问