大数据发展史：
Flink和storm sparkstreaming对比
实时框架如何选择1：需要关注流数据是否需要进行状态管理 2：At-least-once或者Exectly-once消息投递模式是否有特殊要求 3：对于小型独立的项目，并且需要低延迟的场景，建议使用storm 4：如果你的项目已经使用了spark，并且秒级别的实时处理可以满足需求的话，建议使用sparkStreaming5：要求消息投递语义为 Exactly Once 的场景；数据量较大，要求高吞吐低延迟的场景；需要进行状态管理或窗口统计的场景，建议使用flink
针对以上知识我们通过flink读取kafka保存到redis方式快速让大家学习flink如何使用，以及我们如果搭建高性能的flink应用，这个课程属于快速实战篇。
Flink + kafka + redis 实时计算
2022-01-20 17:48:10
1.63GB
1
如果在CDH中安装过Kafka后，后面需要重新安装则可以参考此篇博文。
一、删除Kafka产生的data
重新安装kafka，后面重新分配的kafka一直安装不成功，是因为停用时不会删除已经有点数据。所以需要注意删除 /var/local/kafka/data 下的数据文件，可以看这个路径下的文件：
二、删除 Kafka 在 Zookeeper 中产生的主题数据
首先先连接 Zookeeper：
zookeeper-client
然后因为我们CDH中配置 ZooKeeper Root 时候填写过 “/” 与下图的 “/kafja” 两个路径，所以需要分别对应删除掉 zookeepe
2022-01-13 22:46:23
158KB
1
springboot集成kafka，使用教程参考：
https://blog.csdn.net/qq_26482855/article/details/119003639
https://blog.csdn.net/qq_26482855/article/details/119005025
2022-01-13 20:03:18
7KB
1
仅适用于https://blog.csdn.net/m0_51197424/article/details/122457959辅助
2022-01-12 19:11:15
11KB
1
安装教程 https://blog.csdn.net/cucgyfjklx/article/details/122308360?spm=1001.2014.3001.5502
2022-01-06 09:01:59
83.12MB
1