基于ApacheFlink的流处理

图书标准信息

• 作者 Fabian、Hueske、Vasiliki、Kalavri 著
• 出版社 中国电力出版社
• 出版时间 2019-12
• 版次 1
• ISBN 9787519840112
• 定价 88.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 344页

【内容简介】

Apache Flink项目的资深贡献者Fabian Hueske和Vasiliki Kalavri展示了如何使用Flink DataStream API实现可伸缩的流式应用，以及怎样在业务环境中持续运行和维护这些应用。流处理的理想应用场景有很多，包括低延迟ETL、流式分析、实时仪表盘以及欺诈检测、异常检测和报警。你可以在任意类型的持续数据（包括用户交互、金融交易和物联网等数据）生成后，立即对它们进行处理。

 

了解有关分布式状态化流处理的概念和挑战。

 

探索Flink的系统架构，包括事件时间处理模式和容错模型。

 

理解DataStream API的基础知识和构成要素，包括基于时间和有状态的算子。

 

以精确一次的一致性读写外部系统。

 

部署和配置Flink集群。

 

对持续运行的流式应用进行运维。

 

【作者简介】

作者介绍

 

 

 

Fabian Hueske是Apache Flink项目的PMC成员，他从Flink项目创始之初就开始参与贡献。Fabian是data Artisans（现在的Ververica）公司的创始人之一，拥有柏林工业大学的计算机科学博士学位。

 

 

 

Vasiliki Kalavri是苏黎世联邦理工学院系统组的博士后研究员。她同样也是Apache Flink项目的PMC成员。作为Flink早期贡献者，Vasiliki参与了图计算库Gelly以及初期版本的Table API和流式SQL的建设工作。

 

 

 

译者介绍

 

 

 

崔星灿，加拿大约克大学博士后，分布式流处理技术和开源爱好者，Apache Flink Committer。

 

【目录】

目录

 

前言 .1

 

第1 章 状态化流处理概述 .7

 

传统数据处理架构 .8

 

事务型处理 8

 

分析型处理.9

 

状态化流处理  11

 

事件驱动型应用 .13

 

数据管道 14

 

流式分析 15

 

开源流处理的演变 .16

 

历史回顾 17

 

Flink 快览 18

 

运行首个Flink 应用 .20

 

小结 .23

 

第2 章 流处理基础 . 25

 

Dataflow 编程概述 25

 

Dataflow 图 25

 

数据并行和任务并行 26

 

数据交换策略 .27

 

并行流处理 28

 

延迟和吞吐.28

 

数据流上的操作 .31

 

时间语义 .36

 

流处理场景下一分钟的含义 37

 

处理时间 38

 

事件时间 39

 

水位线 40

 

处理时间与事件时间 41

 

状态和一致性模型 .41

 

任务故障 43

 

结果保障 44

 

小结 .46

 

第3 章 Apache Flink 架构 . 47

 

系统架构 .47

 

搭建Flink 所需组件 .48

 

应用部署 50

 

任务执行 51

 

高可用性设置 .52

 

Flink 中的数据传输 .54

 

基于信用值的流量控制 56

 

任务链接 57

 

事件时间处理 58

 

时间戳 59

 

水位线 59

 

水位线传播和事件时间 61

 

时间戳分配和水位线生成 63

 

状态管理 .64

 

算子状态 65

 

键值分区状态 .66

 

状态后端 68

 

有状态算子的扩缩容 68

 

检查点、保存点及状态恢复 71

 

一致性检查点 .71

 

从一致性检查点中恢复 72

 

Flink 检查点算法 .74

 

检查点对性能的影响 79

 

保存点 79

 

小结 .82

 

第4 章 设置Apache Flink 开发环境  83

 

所需软件 .83

 

在IDE 中运行和调试Flink 程序 .84

 

在IDE 中导入书中示例 .84

 

在IDE 中运行Flink 程序 .87

 

在IDE 中调试Flink 程序 88

 

创建Flink Maven 项目 89

 

小结 .90

 

第5 章 DataStream API （1.7 版本） . 91

 

Hello, Flink! 91

 

设置执行环境 .93

 

读取输入流.94

 

应用转换 94

 

输出结果 95

 

执行 96

 

转换操作 .96

 

基本转换 97

 

基于KeyedStream 的转换 100

 

多流转换 104

 

分发转换 108

 

设置并行度  111

 

类型 . 112

 

支持的数据类型 . 113

 

为数据类型创建类型信息  116

 

显式提供类型信息 . 117

 

定义键值和引用字段 . 118

 

字段位置  118

 

字段表达式. 119

 

键值选择器.120

 

实现函数 .121

 

函数类 121

 

Lambda 函数 122

 

富函数 123

 

导入外部和Flink 依赖 124

 

小结 .125

 

第6 章 基于时间和窗口的算子  127

 

配置时间特性 127

 

分配时间戳和生成水位线 129

 

水位线、延迟及完整性问题 133

 

处理函数 .134

 

时间服务和计时器 .136

 

向副输出发送数据 .138

 

CoProcessFunction .140

 

窗口算子 .141

 

定义窗口算子 .142

 

内置窗口分配器 .143

 

在窗口上应用函数 .148

 

自定义窗口算子 .155

 

基于时间的双流Join .167

 

基于间隔的Join .167

 

基于窗口的Join .168

 

处理迟到数据 170

 

丢弃迟到事件 .170

 

重定向迟到事件 .171

 

基于迟到事件更新结果 172

 

小结 .174

 

第7 章 有状态算子和应用 . 175

 

实现有状态函数 176

 

在RuntimeContext 中声明键值分区状态 .176

 

通过ListCheckpointed 接口实现算子列表状态 .180

 

使用CheckpointedFunction 接口 .187

 

接收检查点完成通知 189

 

为有状态的应用开启故障恢复 190

 

确保有状态应用的可维护性 190

 

指定算子唯一标识 .191

 

为使用键值分区状态的算子定义最大并行度 192

 

有状态应用的性能及鲁棒性 192

 

选择状态后端 .193

 

选择状态原语 .194

 

防止状态泄露 .195

 

更新有状态应用 198

 

保持现有状态更新应用 199

 

从应用中删除状态 .200

 

修改算子的状态 .200

 

可查询式状态 .202

 

可查询式状态服务的架构及启用方式203

 

对外暴露可查询式状态 204

 

从外部系统查询状态 205

 

小结 .207

 

第8 章 读写外部系统  209

 

应用的一致性保障 .210

 

幂等性写  211

 

事务性写  211

 

内置连接器 213

 

Apache Kafka 数据源连接器 214

 

Apache Kafka 数据汇连接器 218

 

文件系统数据源连接器 222

 

文件系统数据汇连接器 224

 

Apache Cassandra 数据汇连接器 .228

 

实现自定义数据源函数 .232

 

可重置的数据源函数 233

 

数据源函数、时间戳及水位线 .235

 

实现自定义数据汇函数 .236

 

幂等性数据汇连接器 238

 

事务性数据汇连接器 239

 

异步访问外部系统 .248

 

小结 .251

 

第9 章 搭建Flink 运行流式应用  253

 

部署模式 .253

 

独立集群 254

 

Docker 256

 

Apache Hadoop YARN .258

 

Kubernetes 261

 

高可用性设置 266

 

独立集群的HA 设置 267

 

YARN 上的HA 设置 268

 

Kubernetes 的HA 设置 270

 

集成Hadoop 组件 270

 

文件系统配置 272

 

系统配置 .274

 

Java 和类加载.275

 

CPU 275

 

内存和网络缓冲 .276

 

磁盘存储 278

 

检查点和状态后端 .279

 

安全性 280

 

小结 .281

 

第10 章 Flink 和流式应用运维  283

 

运行并管理流式应用 .283

 

保存点 284

 

通过命令行客户端管理应用 285

 

通过REST API 管理应用 .292

 

在容器中打包并部署应用 298

 

控制任务调度 302

 

控制任务链接 .302

 

定义处理槽共享组 .303

 

调整检查点及恢复 .305

 

配置检查点.306

 

配置状态后端 .309

 

配置故障恢复 . 311

 

监控Flink 集群和应用 313

 

Flink Web UI 313

 

指标系统 316

 

延迟监控 322

 

配置日志行为 323

 

小结 .324

 

第11 章 还有什么？ 325

 

Flink 生态的其他组成部分 325

 

用于批处理的DataSet API .325

 

用于关系型分析的Table API 及SQL 326

 

用于复杂事件处理和模式匹配的FlinkCEP .326

 

用于图计算的Gelly .327

 

欢迎加入社区 327