剑指大数据——Flink学习精要（Scala版）

图书标准信息

• 作者 尚硅谷教育
• 出版社 电子工业出版社
• 出版时间 2022-10
• 版次 1
• ISBN 9787121443428
• 定价 105.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 312页
• 字数 628千字

【内容简介】

本书基于流行稳定版Flink 1.13进行讲解，从Flink数据处理思想开始讲起，带领读者深入理解Flink的基本架构，进而由浅入深结合具体案例进行讲解，详细剖析了Flink中DataStream API的使用，并对Flink中的时间语义、状态、容错机制等重要概念进行了详尽的阐释。同时，本书还对实际开发过程中常用的Flink SQL、CEP等高层级API进行了细致讲解，以电商网站中的实际应用为场景，提供了大量的代码实现。本书分为12章：第1～5章，带领读者初步认识Flink并编写基本的Flink程序；第6～10章，深入探讨了Flink内部的高级应用。第11～12章，讲解了Flink提供的扩展功能。本书适用于大数据的学习者与从业人员，以及院校大数据相关专业的学生，也是大数据学习的必备书籍。

【作者简介】

尚硅谷教育是一家专业的IT教育培训机构，开设了JavaEE、大数据、HTML5前端等多门学科，在互联网上发布的JavaEE、大数据、HTML5前端、区块链、C语言、Python等技术视频教程广受赞誉。

【目录】

第1章 初识Flink 1 

1.1　Flink的起源和设计理念 1 

1.2　Flink的应用 3 

1.2.1 Flink在企业中的应用 3 

1.2.2 Flink主要的应用场景 3 

1.3　流式数据处理的发展和演变 4 

1.3.1 流处理和批处理 5 

1.3.2 传统事务处理 6 

1.3.3 有状态的流处理 6 

1.3.4 Lambda架构 9 

1.3.5 新一代流处理器 10 

1.4　Flink的特性总结 10 

1.4.1 Flink的核心特性 10 

1.4.2 分层API 10 

1.5　Flink与Spark 11 

1.5.1 数据处理架构 12 

1.5.2 数据模型和运行架构 13 

1.5.3 Spark还是Flink 13 

1.6　本章总结 14 

第2章 Flink快速上手 15 

2.1 环境准备 15 

2.2 创建项目 15 

2.3 编写代码 18 

2.3.1 批处理 18 

2.3.2 流处理 19 

2.4 本章总结 22 

第3章 Flink部署 23 

3.1 快速启动一个Flink集群 24 

3.1.1 环境配置 24 

3.1.2 本地启动 24 

3.1.3 集群启动 25 

3.1.4 向集群提交作业 27 

3.2 部署模式 30 

3.2.1 会话模式 30 

3.2.2 单作业模式 31 

3.2.3 应用模式 31 

3.3 独立模式 32 

3.3.1 会话模式部署 32 

3.3.2 单作业模式部署 32 

3.3.3 应用模式部署 32 

3.3.4 高可用 33 

3.4 YARN模式 34 

3.4.1 相关准备和配置 34 

3.4.2 会话模式部署 35 

3.4.3 单作业模式部署 36 

3.4.4 应用模式部署 37 

3.4.5 高可用 37 

3.5 K8s模式 38 

3.6 本章总结 38 

第4章 Flink运行时架构 39 

4.1 系统架构 39 

4.1.1 整体构成 40 

4.1.2 JobManager 40 

4.1.3 TaskManager 41 

4.2 作业提交流程 42 

4.2.1 高层级抽象视角 42 

4.2.2 独立模式 42 

4.2.3 YARN集群 43 

4.3 一些重要概念 45 

4.3.1 数据流图 45 

4.3.2 并行度 46 

4.3.3 算子链 48 

4.3.4 作业图与执行图 49 

4.3.5 任务和任务槽 51 

4.4 本章总结 56 

第5章 DataStream API基础篇 57 

5.1 执行环境 57 

5.1.1 创建执行环境 58 

5.1.2 执行模式 58 

5.1.3 触发程序执行 60 

5.2 数据源 60 

5.2.1 准备工作 60 

5.2.2 从集合中读取数据 61 

5.2.3 从文件读取数据 61 

5.2.4 从Socket读取数据 62 

5.2.5 从Kafka读取数据 62 

5.2.6 自定义数据源 64 

5.2.7 Flink支持的数据类型 66 

5.3 转换操作 67 

5.3.1 基本转换算子 67 

5.3.2 聚合算子 71 

5.3.3 用户自定义函数 75 

5.3.4 物理分区 78 

5.4 输出 83 

5.4.1 连接到外部系统 83 

5.4.2 输出到文件 85 

5.4.3 输出到Kafka 86 

5.4.4 输出到Redis 87 

5.4.5 输出到Elasticsearch 89 

5.4.6 输出到MySQL 91 

5.4.7 自定义Sink输出 93 

5.5 本章总结 94 

第6章 Flink中的时间和窗口 95 

6.1 时间语义 95 

6.1.1 Flink中的时间语义 95 

6.1.2 哪种时间语义更重要 97 

6.2 水位线 98 

6.2.1 事件时间和窗口 98 

6.2.2 什么是水位线 100 

6.2.3 如何生成水位线 104 

6.2.4 水位线的传递 110 

6.2.5 水位线的总结 111 

6.3 窗口 112 

6.3.1 窗口的概念 112 

6.3.2 窗口的分类 114 

6.3.3 窗口API概览 117 

6.3.4 窗口分配器 118 

6.3.5 窗口函数 121 

6.3.6 测试水位线和窗口的使用 129 

6.3.7 其他API 131 

6.3.8 窗口的生命周期 135 

6.4 迟到数据的处理 136 

6.4.1 设置水位线延迟时间 136 

6.4.2 允许窗口处理迟到数据 137 

6.4.3 将迟到数据放入窗口侧输出流 137 

6.5 本章总结 140 

第7章 处理函数 141 

7.1 基本处理函数 141 

7.1.1 处理函数的功能和使用 141 

7.1.2 ProcessFunction解析 143 

7.1.3 处理函数的分类 144 

7.2 按键分区处理函数 145 

7.2.1 定时器和定时服务 145 

7.2.2 KeyedProcessFunction的使用 146 

7.3 窗口处理函数 149 

7.3.1 窗口处理函数的使用 149 

7.3.2 ProcessWindowFunction解析 150 

7.4 应用案例——Top N 151 

7.4.1 使用ProcessAllWindowFunction 151 

7.4.2 使用KeyedProcessFunction 153 

7.5 侧输出流 157 

7.6 本章总结 157 

第8章 多流转换 158 

8.1 分流 158 

8.1.1 简单实现 158 

8.1.2 使用侧输出流 159 

8.2 基本合流操作 161 

8.2.1 联合 161 

8.2.2 连接 164 

8.3 基于时间的合流——联结 169 

8.3.1 窗口联结 169 

8.3.2 间隔联结 172 

8.3.3 窗口同组联结 175 

8.4 本章总结 176 

第9章 状态编程 177 

9.1 Flink中的状态 177 

9.1.1 有状态算子 177 

9.1.2 状态的管理 178 

9.1.3 状态的分类 178 

9.2 按键分区状态 180 

9.2.1 基本概念和特点 180 

9.2.2 支持的结构类型 180 

9.2.3 代码实现 182 

9.2.4 状态生存时间 189 

9.3 算子状态 190 

9.3.1 基本概念和特点 190 

9.3.2 状态类型 190 

9.3.3 代码实现 191 

9.4 广播状态 194 

9.4.1 基本用法 194 

9.4.2 代码实例 196 

9.5 状态持久化和状态后端 197 

9.5.1 检查点 197 

9.5.2 状态后端 198 

9.6 本章总结 200 

第10章 容错机制 201 

10.1 检查点 201 

10.1.1 检查点的保存 202 

10.1.2 从检查点恢复状态 204 

10.1.3 检查点算法 206 

10.1.4 检查点配置 210 

10.1.5 保存点 212 

10.2 状态一致性 213 

10.2.1 一致性的概念和级别 214 

10.2.2 端到端的状态一致性 214 

10.3 端到端精确一次 215 

10.3.1 输入端保证 215 

10.3.2 输出端保证 215 

10.3.3 Flink和Kafka连接时的精确一次保证 218 

10.4 本章总结 221 

第11章 Table API和SQL 222 

11.1 快速上手 222 

11.1.1 需要引入的依赖 223 

11.1.2 一个简单示例 223 

11.2 基本API 224 

11.2.1 程序架构 225 

11.2.2 创建表环境 225 

11.2.3 创建表 226 

11.2.4 表的查询 227 

11.2.5 输出表 229 

11.2.6 表和流的转换 230 

11.3 流处理中的表 234 

11.3.1 动态表和持续查询 235 

11.3.2 将流转换成动态表 236 

11.3.3 用SQL持续查询 237 

11.3.4 将动态表转换为流 241 

11.4 时间属性和窗口 242 

11.4.1 事件时间 242 

11.4.2 处理时间 244 

11.4.3 窗口 245 

11.5 聚合查询 247 

11.5.1 分组聚合 247 

11.5.2 窗口聚合 248 

11.5.3 开窗聚合 250 

11.5.4 应用实例——Top N 252 

11.6 联结查询 255 

11.6.1 常规联结查询 256 

11.6.2 间隔联结查询 257 

11.7 函数 257 

11.7.1 系统函数 258 

11.7.2 自定义函数 259 

11.8 SQL客户端 265 

11.9 连接到外部系统 267 

11.9.1 Kafka 267 

11.9.2 文件系统 269 

11.9.3 JDBC 270 

11.9.4 Elasticsearch 271 

11.9.5 HBase 271 

11.9.6 Hive 272 

11.10 本章总结 275 

第12章 Flink CEP 277 

12.1 基本概念 277 

12.1.1 CEP是什么 277 

12.1.2 模式 278 

12.1.3 应用场景 279 

12.2 快速上手 279 

12.2.1 需要引入的依赖 279 

12.2.2 一个简单实例 279 

12.3 模式API 281 

12.3.1 个体模式 281 

12.3.2 组合模式 285 

12.3.3 模式组 288 

12.3.4 匹配后跳过策略 289 

12.4 模式的检测处理 290 

12.4.1 将模式应用到流上 290 

12.4.2 处理匹配事件 290 

12.4.3 处理超时事件 293 

12.4.4 处理迟到数据 296 

12.5 CEP的状态机实现 297 

12.6 本章总结 299