Flink内核原理与实现

图书标准信息

• 作者 冯飞、崔鹏云、陈冠华 著
• 出版社 机械工业出版社
• 出版时间 2020-09
• ISBN 9787111661894
• 定价 119.00元
• 装帧 其他

【内容简介】

《Flink内核原理与实现》既讲解了Flink的入门、安装、流计算开发入门、类型和序列化系统、监控运维、安全管理配置等基础知识，又讲解了Flink的时间概念、Window的实现原理及其代码解析，Flink的容错机制原理，Flink容错的关键设计、代码实现分析，Flink Job从源码到执行整个过程的解析，Flink Job的调度策略、资源管理策略、内存管理、数据交换的关键设计和代码实现分析，Flink的RPC通信框架等深度内容。

 

《Flink内核原理与实现》适合对实时计算感兴趣的大数据开发、运维领域的从业人员阅读，此外对机器学习工程技术人员也有所帮助。

 

【作者简介】

1. 冯飞，有 10余年IT研发经验，专注于大数据相关技术领域，持续跟踪研究大数据计算引擎的理论模型及其演进，深入研读Flink、Apache Beam、Spark等的源码，尤其精通Flink。目前从事批流AI融合的新一代数据仓库设计、研发等工作。

 

 

2. 崔鹏云，毕业于北京邮电大学，获硕士学位，曾在MicroSoft和Teradata国外知名企业的研发中心供职9年，有15年的企业级海量数据离线和在线分析技术应用实战经验，拥有国内外众多TB及PB级大数据客户实时数据处理和分析落地能力。

 

 

3. 陈冠华，毕业于北京大学计算机软件与理论专业，获博士学位。2009~2011年在北京大学从事博士后研究工作，研究领域包括大数据内存及实时计算技术、数据仓库、数据挖掘和机器学习等，有超过15年的海量数据离线和在线处理技术的学术研究与实践经验。

 

【目录】

前言

 

第1章 Flink入门

 

1.1 核心特点

 

    1.1.1 批流一体

 

    1.1.2 可靠的容错能力

 

    1.1.3 高吞吐、低延迟 

 

    1.1.4 大规模复杂计算

 

    1.1.5 多平台部署

 

1.2 架构

 

    1.2.1 技术架构

 

    1.2.2 运行架构

 

1.3 Flink的未来

 

1.4 准备工作

 

1.5 总结

 

 

第2章 Flink应用

 

2.1 Flink应用开发

 

2.2 API层次

 

2.3 数据流

 

2.4 数据流API

 

    2.4.1 数据读取

 

    2.4.2 处理数据

 

    2.4.3 数据写出

 

    2.4.4 旁路输出

 

2.5 总结

 

 

第3章 核心抽象

 

3.1 环境对象

 

    3.1.1 执行环境

 

    3.1.2 运行时环境

 

    3.1.3 运行时上下文

 

3.2 数据流元素

 

3.3 数据转换

 

3.4 算子

 

    3.4.1 算子行为

 

    3.4.2 Flink算子

 

    3.4.3 Blink算子

 

    3.4.4 异步算子

 

3.5 函数体系

 

    3.5.1 函数层次

 

    3.5.2 处理函数

 

    3.5.3 广播函数

 

    3.5.4 异步函数

 

    3.5.5 数据源函数

 

    3.5.6 输出函数

 

    3.5.7 检查点函数

 

3.6 数据分区

 

3.7 连接器

 

3.8 分布式ID

 

3.9 总结

 

 

第4章 时间与窗口

 

4.1 时间类型

 

4.2 窗口类型

 

4.3 窗口原理与机制

 

    4.3.1 WindowAssigner

 

    4.3.2 WindowTrigger

 

    4.3.3 WindowEvictor

 

    4.3.4 Window函数

 

4.4 水印

 

    4.4.1 DataStream Watermark生成

 

    4.4.2 Flink SQL Watermark生成

 

    4.4.3 多流的Watermark

 

4.5 时间服务

 

    4.5.1 定时器服务

 

    4.5.2 定时器

 

    4.5.3 优先级队列

 

4.6 窗口实现

 

    4.6.1 时间窗口

 

    4.6.2 会话窗口

 

    4.6.3 计数窗口

 

4.7 总结

 

 

第5章 类型与序列化

 

5.1 DataStream类型系统

 

    5.1.1 物理类型

 

    5.1.2 逻辑类型

 

    5.1.3 类型推断

 

    5.1.4 显式类型

 

    5.1.5 类型系统存在的问题

 

5.2 SQL类型系统

 

    5.2.1 Flink Row

 

    5.2.2 Blink Row

 

    5.2.3 ColumnarRow

 

5.3 数据序列化

 

    5.3.1 数据序列化/反序列化

 

    5.3.2 String序列化过程示例

 

    5.3.3 作业序列化

 

    5.3.4 Kryo序列化

 

5.4 总结

 

 

第6章 内存管理

 

6.1 自主内存管理

 

6.2 内存模型

 

    6.2.1 内存布局

 

    6.2.2 内存计算

 

6.3 内存数据结构

 

    6.3.1 内存段

 

    6.3.2 内存页

 

    6.3.3 Buffer

 

    6.3.4 Buffer资源池

 

6.4 内存管理器

 

    6.4.1 内存申请

 

    6.4.2 内存释放

 

6.5 网络缓冲器

 

    6.5.1 内存申请

 

    6.5.2 内存回收

 

6.6 总结

 

 

第7章 状态原理

 

7.1 状态类型

 

    7.1.1 KeyedState与OperatorState

 

    7.1.2 原始和托管状态

 

7.2 状态描述

 

7.3 广播状态

 

7.4 状态接口

 

    7.4.1 状态操作接口

 

    7.4.2 状态访问接口

 

7.5 状态存储

 

    7.5.1 内存型和文件型状态存储

 

    7.5.2 基于RocksDB的StateBackend

 

7.6 状态持久化

 

7.7 状态重分布

 

    7.7.1 OperatorState重分布

 

    7.7.2 KeyedState重分布

 

7.8 状态过期

 

    7.8.1 DataStream中状态过期

 

    7.8.2 Flink SQL中状态过期

 

    7.8.3 状态过期清理

 

7.9 总结

 

 

第8章 作业提交

 

8.1 提交流程

 

    8.1.1 流水线执行器PipelineExecutor

 

    8.1.2 Yarn Session提交流程

 

    8.1.3 Yarn Per-Job提交流程

 

    8.1.4 K8s Session提交流程

 

8.2 Graph总览

 

8.3 流图

 

    8.3.1 StreamGraph核心对象

 

    8.3.2 StreamGraph生成过程

 

    8.3.3 单输入物理Transformation的转换示例

 

    8.3.4 虚拟Transformation的转换示例

 

8.4 作业图

 

    8.4.1 JobGraph核心对象

 

    8.4.2 JobGraph生成过程

 

    8.4.3 算子融合

 

8.5 执行图

 

    8.5.1 ExecutionGraph核心对象

 

    8.5.2 ExecutionGraph生成过程

 

8.6 总结

 

 

第9章 资源管理

 

9.1 资源抽象

 

9.2 资源管理器

 

9.3 Slot管理器

 

9.4 SlotProvider

 

9.5 Slot选择策略

 

9.6 Slot资源池

 

9.7 Slot共享

 

9.8 总结

 

 

第10章 作业调度

 

10.1 调度

 

10.2 执行模式

 

10.3 数据交换模式

 

10.4 作业生命周期

 

    10.4.1 作业生命周期状态

 

    10.4.2 Task的生命周期

 

10.5 关键组件

 

    10.5.1 JobMaster

 

    10.5.2 TaskManager

 

    10.5.3 Task

 

    10.5.4 StreamTask

 

10.6 作业启动

 

    10.6.1 JobMaster启动作业

 

    10.6.2 流作业启动调度

 

    10.6.3 批作业调度

 

    10.6.4 TaskManger启动Task

 

10.7 作业停止

 

10.8 作业失败调度

 

    10.8.1 默认作业失败调度

 

    10.8.2 遗留的作业失败调度

 

10.9 组件容错

 

    10.9.1 容错设计

 

    10.9.2 HA服务

 

    10.9.3 JobMaster的容错

 

    10.9.4 ResourceManager容错

 

    10.9.5 TaskManager 的容错

 

10.10 总结

 

 

第11章 作业执行

 

11.1 作业执行图

 

11.2 核心对象

 

    11.2.1 输入处理器

 

    11.2.2 Task输入

 

    11.2.3 Task输出

 

    11.2.4 结果分区

 

    11.2.5 结果子分区

 

    11.2.6 有限数据集

 

    11.2.7 输入网关

 

    11.2.8 输入通道

 

11.3 Task执行

 

    11.3.1 Task处理数据

 

    11.3.2 Task处理Watermark

 

    11.3.3 Task处理StreamStatus

 

    11.3.4 Task处理LatencyMarker

 

11.4 总结

 

 

第12章 数据交换

 

12.1 数据传递模式

 

12.2 关键组件

 

    12.2.1 RecordWriter

 

    12.2.2 数据记录序列化器

 

    12.2.3 数据记录反序列化器

 

    12.2.4 结果子分区视图

 

    12.2.5 数据输出

 

12.3 数据传递

 

    12.3.1 本地线程内的数据传递

 

    12.3.2 本地线程间的数据传递

 

    12.3.3 跨网络的数据传递

 

12.4 数据传递过程

 

    12.4.1 数据读取

 

    12.4.2 数据写出

 

    12.4.3 数据清理

 

12.5 网络通信

 

    12.5.1 网络连接

 

    12.5.2 无流控

 

    12.5.3 基于信用的流控

 

12.6 总结

 

 

第13章 应用容错

 

13.1 容错保证语义

 

13.2 检查点与保存点

 

13.3 作业恢复

 

    13.3.1 检查点恢复

 

    13.3.2 保存点恢复

 

    13.3.3 恢复时的时间问题

 

13.4 关键组件 

 

    13.4.1 检查点协调器

 

    13.4.2 检查点消息

 

13.5 轻量级异步分布式快照

 

    13.5.1 基本概念

 

    13.5.2 Barrier对齐

 

13.6 检查点执行过程

 

    13.6.1 JobMaster触发检查点

 

    13.6.2 TaskExecutor执行检查点

 

    13.6.3 JobMaster确认检查点

 

13.7 检查点恢复过程

 

13.8 端到端严格一次

 

    13.8.1 两阶段提交协议

 

    13.8.2 两阶段提交实现

 

13.9 总结

 

 

第14章 Flink SQL

 

14.1 Apache Calcite

 

    14.1.1 Calcite是什么

 

    14.1.2 Calcite的技术特点

 

    14.1.3 Calcite的主要功能

 

    14.1.4 Calcite的核心原理

 

14.2 动态表

 

    14.2.1 流映射为表

 

    14.2.2 连续查询

 

    14.2.3 流上SQL查询限制

 

    14.2.4 表到流的转换

 

14.3 TableEnvironment

 

    14.3.1 TableEnvironment体系

 

    14.3.2 TableEnvironment使用示例

 

14.4 Table API

 

14.5 SQL API

 

14.6 元数据

 

    14.6.1 元数据管理

 

    14.6.2 元数据分类

 

14.7数据访问

 

    14.7.1Table Source

 

    14.7.2Table Slink

 

14.8 SQL函数

 

14.9 Planner关键抽象

 

    14.9.1 Expression

 

    14.9.2 ExpressionResolver

 

    14.9.3 Operation

 

    14.9.4 QueryOperation

 

    14.9.5 物理计划节点

 

14.10 Blink Planner和Flink Planner对比

 

14.11 Blink与Calcite关系

 

14.12 Blink SQL执行过程

 

    14.12.1 从SQL到Operation

 

    14.12.2 Operation到Transformation

 

14.13 Blink Table API执行过程 

 

    14.13.1 Table API到Operation

 

    14.13.2 Operation到Transformation

 

14.14 Flink与Calcite的关系

 

14.15 Flink SQL执行过程

 

    14.15.1 SQL 到Operation

 

    14.15.2 Operation到DataStream/DataSet

 

14.16 Flink Table API执行过程

 

14.17 SQL优化

 

14.18 Blink优化

 

    14.18.1 优化器

 

    14.18.2 代价计算

 

    14.18.3 优化过程

 

    14.18.4 优化规则

 

    14.18.5 公共子图

 

14.19 Flink优化

 

    14.19.1 优化器

 

    14.19.2 优化过程

 

    14.19.3 优化规则

 

14.20 代码生成

 

    14.20.1 为什么进行代码生成

 

    14.20.2 代码生成范围

 

    14.20.3 代码生成示例

 

14.21 总结

 

 

第15章 运维监控

 

15.1 监控指标

 

15.2 指标组

 

15.3 监控集成

 

15.4 指标注册中心

 

15.5 指标查询服务

 

15.6 延迟跟踪实现原理

 

15.7 总结

 

 

第16章 RPC框架

 

16.1 Akka简介

 

    16.1.1 Akka是什么

 

    16.1.2 使用Akka 

 

    16.1.3 Akka的通信

 

16.2 RPC消息的类型

 

16.3 RPC通信组件

 

    16.3.1 RpcGateway

 

    16.3.2 RpcEndpoint

 

    16.3.3 RpcService

 

    16.3.4 RpcServer

 

    16.3.5 AkkaRpcActor

 

16.4 RPC交互过程

 

    16.4.1 RPC请求发送

 

    16.4.2 RPC请求响应

 

16.5总结

 

专家寄语

 

参考文献