Flink学习代码

Flink知识点面试点大全总结.docx

This book will be your definitive guide to batch and stream data processing with Apache Flink. The book begins by introducing the Apache Flink ecosystem, setting it up and using the DataSet and DataStream API for processing batch and streaming datasets. Bringing the power of SQL to Flink, this book will then explore the Table API for querying and manipulating data. In the latter half of the book, readers will get to learn the remaining ecosystem of Apache Flink to achieve complex tasks such as event processing, machine learning, and graph processing. The final part of the book would consist of topics such as scaling Flink solutions, performance optimization, and integrating Flink with other tools such as Hadoop, ElasticSearch, Cassandra, and Kafka.

flink-1.10.0-bin-scala_2.11.tgz安装包下载，适用于flink 1.10，scala2.11版本。

Flink1.11.0源码手动编译包 编译步骤详见：https://blog.csdn.net/dzh284616172/article/details/107571972

使用Flink丰富Kafka流与另一个流 环境设定 安装PostgreSQL 11+ 设置PostgreSQL以允许使用pgoutput将Debezium转换为CDC。 参考 在您的机器/集群上设置Apache Kafka（使用Kafka Connect） 从安装Debezium PostgreSQL连接器 运行Apache Kafka和Kafka Connect 在PostgreSQL中创建表transactions和customers （SQL文件） 使用请求主体向您的Kafka Connect REST接口创建POST请求，如下所示 { " name " : " postgres_cdc " , " config " : { " connector.class " : " io.debezium.connector.postgresql.PostgresCon

Flink 在今日头条的实践_张光辉@今日头条.pdf

Flink Streaming 在滴滴的大规模生产_罗江宇@滴滴出行.pdf

Flink 1.8.1 编译后的源码包

根据市场上目前比较流行的几款Hadoop产品综合分析，从部署的便捷性、功能、性能及成本等方面综合考量，推荐使用CDH与HDP。然后再根据我们具体的使用场景来进行选择，如果我们追求功能全面与部署案例参考推荐使用CDH，因为CDH目前是市场上功能最全、部署案例最多的一款产品，如果我们追求部署快捷，易上手使用推荐使用HDP，因为HDP是迄今为止100%纯开源ApacheHadoop的唯一提供商并且是第一家使用了ApacheHCatalog的元数据服务特性的提供商。并且，它们的Stinger开创性地极大地优化了Hive项目。Hortonworks为入门提供了一个非常好的，易于使用的沙盒。