為什么要寫這本書
記得在幾年前剛開始做流式計算相關的項目時，發(fā)覺項目對實時性和數(shù)據(jù)量的要求很高，無奈求助于Flink開源社區(qū)（后文簡稱社區(qū)），在社區(qū)中發(fā)現(xiàn)可以使用的流式框架有很多，例如比較主流的框架Apache Storm、Spark Streaming等，Apache Flink（簡稱Flink）也在其中。于是筆者開始對各種流式框架進行詳細研究，最后發(fā)現(xiàn)能同時支持低延遲、高吞吐、Excactly-once的框架只有Apache Flink，從那時起筆者就對Flink這套框架充滿興趣，不管是其架構還是接口，都可以發(fā)現(xiàn)其中包含了非常優(yōu)秀的設計思想。雖然當時Flink在社區(qū)的成熟度并不是很高，但筆者還是決定將Flink應用在自己的項目中，自此開啟了Flink分布式計算技術應用之旅。
剛開始學習Flink，對于沒有分布式處理技術和流式計算經驗的人來說會相對比較困難，因為其很難理解有狀態(tài)計算、數(shù)據(jù)一致性保障等概念。尤其在相關中文資源比較匱乏的情況下，需要用戶在官網(wǎng)以及國外的技術網(wǎng)站中翻閱大量的外文資料，這在一定程度上對學習和應用Flink造成了阻礙。筆者在2018年參加了一場由Flink中文社區(qū)組織的線下交流活動，當時聽了很多領域內專家將Flink應用在不同業(yè)務場景中的分享，發(fā)現(xiàn)Flink這項技術雖然優(yōu)秀，但是國內尚未有一本能夠全面介紹Flink的中文書籍，于是筆者決定結合自己的實際項目經驗來完成一本Flink中文書籍，以幫助他人學習和使用Flink這項優(yōu)秀的分布式處理技術。
阿里巴巴在2018年1月開源了其內部Flink的分支項目Blink，并推動社區(qū)將Blink中優(yōu)秀的特性合并到Flink主干版本中，一時間Flink在國內的發(fā)展被推向了高潮，成為很多公司想去嘗試使用的新技術。因此筆者相信未來會有更多的開發(fā)者參與到Flink社區(qū)中來，F(xiàn)link也將在未來的大數(shù)據(jù)生態(tài)中占據(jù)舉足輕重的位置。
讀者對象
本書從多個方面對Flink進行了深入介紹，包括原理、多種抽象接口的使用，以及Flink的性能監(jiān)控與調優(yōu)等方面，因此本書比較適合以下類型的讀者。
流計算開發(fā)工程師
大數(shù)據(jù)架構工程師
大數(shù)據(jù)開發(fā)工程師
數(shù)據(jù)挖掘工程師
高校研究生以及高年級本科生
如何閱讀本書
本書共分為10章，各章節(jié)間具有一定的先后關系，對于剛入門的讀者，建議從第1章開始循序漸進地學習。
對于有一定經驗的讀者可以自行選擇章節(jié)開始學習。如果想使用Flink開發(fā)流式應用，則可以直接閱讀第4章、第5章，以及第7章之后的內容；如果想使用Flink開發(fā)批計算應用，則可以選擇閱讀第5章以及第7章之后的內容。
勘誤和支持
除封面署名外，參加本書編寫工作的還有：張再勝、尚越、程龍、姚遠等。由于筆者水平有限，編寫時間倉促，書中難免會出現(xiàn)一些錯誤或者不準確的地方，懇請讀者批評指正。由于Flink技術的參考資料相對較少，因此書中有些地方參考了Flink官方文檔，讀者也可以結合Flink官網(wǎng)來學習。書中的全部源文件可以從GitHub網(wǎng)站下載，地址為https://github.com/zhanglibing1990/learning-flink。同時筆者也會將相應的功能及時更新。如果你有更多寶貴的意見可以通過QQ群686656574或電子郵箱zhanglibing1990@126.com聯(lián)系筆者，期待能夠得到你們的真摯反饋。
致謝
在本書的寫作過程中，得到了很多朋友及同事的幫助和支持，在此表示衷心感謝！
感謝我的女朋友，因為有你的支持，我才能堅持將本書順利完成，謝謝你一直陪伴在我的身邊，不斷鼓勵我前行。
感謝機械工業(yè)出版社華章公司的編輯楊福川和張錫鵬，在這半年多的時間中始終支持我的寫作，你們的鼓勵和幫助引導我順利完成全部書稿。
謹以此書獻給我最親愛的家人，以及眾多熱愛Flink的朋友！
總結
本書最開始介紹Flink的發(fā)展歷史，然后對Flink批數(shù)據(jù)和流數(shù)據(jù)的不同處理接口進行介紹，再對Flink的部署與實施、性能優(yōu)化等方面進行全面講解。經過系統(tǒng)完整地了解和學習Flink分布式處理技術之后，可以發(fā)現(xiàn)Flink有很多非常先進的概念，以及非常完善的接口設計，這些都能讓用戶更加有效地處理大數(shù)據(jù)，特別是流式數(shù)據(jù)處理。隨著大數(shù)據(jù)技術的不斷發(fā)展，F(xiàn)link也在大數(shù)據(jù)的浪潮中奮勇前行。越來越多的用戶也參與到Flink社區(qū)的開發(fā)中，尤其是近年來隨著阿里巴巴的推進，Blink的開源在一定程度上推動了Flink在國內大規(guī)模的落地。相信在不久的將來，F(xiàn)link會逐漸成為國內乃至全球不可或缺的分布式處理引擎，筆者也相信Flink在流式數(shù)據(jù)處理領域會有新的突破，能夠改變目前大部分基于批處理的模式，讓分布式數(shù)據(jù)處理變得更加高效，使得數(shù)據(jù)處理成本不斷降低。
張利兵
2019年
前言
第1章 Apache Flink介紹 1
1.1 Apache Flink是什么 1
1.2 數(shù)據(jù)架構的演變 2
1.2.1 傳統(tǒng)數(shù)據(jù)基礎架構 3
1.2.2 大數(shù)據(jù)數(shù)據(jù)架構 4
1.2.3 有狀態(tài)流計算架構 5
1.2.4 為什么會是Flink 6
1.3 Flink應用場景 8
1.4 Flink基本架構 10
1.4.1 基本組件棧 10
1.4.2 基本架構圖 11
1.5 本章小結 13
第2章 環(huán)境準備 14
2.1 運行環(huán)境介紹 14
2.2 Flink項目模板 15
2.2.1 基于Java實現(xiàn)的項目模板 15
2.2.2 基于Scala實現(xiàn)的項目模板 18
2.3 Flink開發(fā)環(huán)境配置 20
2.3.1 下載IntelliJ IDEA IDE
21
2.3.2 安裝Scala Plugins
21
2.3.3 導入Flink應用代碼 22
2.3.4 項目配置 22
2.4 運行Scala REPL 24
2.4.1 環(huán)境支持 24
2.4.2 運行程序 24
2.5 Flink源碼編譯 25
2.6 本章小結 26
第3章 Flink編程模型
27
3.1 數(shù)據(jù)集類型 27
3.2 Flink編程接口 29
3.3 Flink程序結構 30
3.4 Flink數(shù)據(jù)類型 37
3.4.1 數(shù)據(jù)類型支持 37
3.4.2 TypeInformation信息獲取 40
3.5 本章小結 43
第4章 DataStream API 介紹與使用 44
4.1 DataStream編程模型 44
4.1.1 DataSources數(shù)據(jù)輸入 45
4.1.2 DataSteam轉換操作 49
4.1.3 DataSinks數(shù)據(jù)輸出 59
4.2 時間概念與Watermark 61
4.2.1 時間概念類型 61
4.2.2 EventTime和Watermark 63
4.3 Windows窗口計算 69
4.3.1 Windows Assigner
70
4.3.2 Windows Function
77
4.3.3 Trigger窗口觸發(fā)器 83
4.3.4 Evictors數(shù)據(jù)剔除器 87
4.3.5 延遲數(shù)據(jù)處理 88
4.3.6 連續(xù)窗口計算 89
4.3.7 Windows多流合并 90
4.4 作業(yè)鏈和資源組 95
4.4.1 作業(yè)鏈 95
4.4.2 Slots資源組 96
4.5 Asynchronous I/O異步操作 97
4.6 本章小結 98
第5章 Flink狀態(tài)管理和容錯
100
5.1 有狀態(tài)計算 100
5.2 Checkpoints和Savepoints 109
5.2.1 Checkpoints檢查點機制 109
5.2.2 Savepoints機制 111
5.3 狀態(tài)管理器 114
5.3.1 StateBackend類別 114
5.3.2 狀態(tài)管理器配置 116
5.4 Querable State
118
5.5 本章小結 123
第6章 DataSet API介紹與使用 124
6.1 DataSet API 124
6.1.1 應用實例 125
6.1.2 DataSources數(shù)據(jù)接入 126
6.1.3 DataSet轉換操作 128
6.1.4 DataSinks數(shù)據(jù)輸出 134
6.2 迭代計算 136
6.2.1 全量迭代 136
6.2.2 增量迭代 137
6.3 廣播變量與分布式緩存 139
6.3.1 廣播變量 139
6.3.2 分布式緩存 140
6.4 語義注解 141
6.4.1 Forwarded Fileds注解 141
6.4.2 Non-Forwarded Fileds注解 143
6.4.3 Read Fields注解 144
6.5 本章小結 145
第7章 Table API & SQL介紹與使用 146
7.1 TableEnviroment概念 146
7.1.1 開發(fā)環(huán)境構建 147
7.1.2 TableEnvironment基本操作 147
7.1.3 外部連接器 155
7.1.4 時間概念 162
7.1.5 Temporal Tables臨時表 166
7.2 Flink Table API
167
7.2.1 Table API應用實例 167
7.2.2 數(shù)據(jù)查詢和過濾 168
7.2.3 窗口操作 168
7.2.4 聚合操作 173
7.2.5 多表關聯(lián) 175
7.2.6 集合操作 177
7.2.7 排序操作 178
7.2.8 數(shù)據(jù)寫入 179
7.3 Flink SQL使用 179
7.3.1 Flink SQL實例 179
7.3.2 執(zhí)行SQL 180
7.3.3 數(shù)據(jù)查詢與過濾 181
7.3.4 Group Windows窗口操作 182
7.3.5 數(shù)據(jù)聚合 184
7.3.6 多表關聯(lián) 186
7.3.7 集合操作 187
7.3.8 數(shù)據(jù)輸出 189
7.4 自定義函數(shù) 189
7.4.1 Scalar Function
189
7.4.2 Table Function
191
7.4.3 Aggregation Function
192
7.5 自定義數(shù)據(jù)源 193
7.5.1 TableSource定義 193
7.5.2 TableSink定義 196
7.5.3 TableFactory定義 199
7.6 本章小結 201
第8章 Flink組件棧介紹與使用 202
8.1 Flink復雜事件處理 202
8.1.1 基礎概念 203
8.1.2 Pattern API 204
8.1.3 事件獲取 210
8.1.4 應用實例 212
8.2 Flink Gelly圖計算應用 213
8.2.1 基本概念 213
8.2.2 Graph API 214
8.2.3 迭代圖處理 220
8.2.4 圖生成器 226
8.3 FlinkML機器學習應用 227
8.3.1 基本概念 227
8.3.2 有監(jiān)督學習算子 229
8.3.3 數(shù)據(jù)預處理 231
8.3.4 推薦算法 234
8.3.5 Pipelines In FlinkML
235
8.4 本章小結 236
第9章 Flink部署與應用
237
9.1 Flink集群部署 237
9.1.1 Standalone Cluster部署 238
9.1.2 Yarn Cluster部署 240
9.1.3 Kubernetes Cluster部署 244
9.2 Flink高可用配置 247
9.2.1 Standalone集群高可用配置 248
9.2.2 Yarn Session集群高可用配置 250
9.3 Flink安全管理 251
9.3.1 認證目標 251
9.3.2 認證配置 252
9.3.3 SSL配置 253
9.4 Flink集群升級 255
9.4.1 任務重啟 256
9.4.2 狀態(tài)維護 256
9.4.3 版本升級 257
9.5 本章小結 258
第10章 Flink監(jiān)控與性能優(yōu)化
259
10.1 監(jiān)控指標 259
10.1.1 系統(tǒng)監(jiān)控指標 259
10.1.2 監(jiān)控指標注冊 261
10.1.3 監(jiān)控指標報表 264
10.2 Backpressure監(jiān)控與優(yōu)化 266
10.2.1 Backpressure進程抽樣 266
10.2.2 Backpressure頁面監(jiān)控 267
10.2.3 Backpressure配置 268
10.3 Checkpointing監(jiān)控與優(yōu)化 268
10.3.1 Checkpointing頁面監(jiān)控 268
10.3.2 Checkpointing優(yōu)化 271
10.4 Flink內存優(yōu)化 273
10.4.1 Flink內存配置 274
10.4.2 Network Buffers配置 275
10.5 本章小結 277
書單推薦
