前言

我们为什么要学习 Flink？

人们对某件事的正确理解往往来自基于有效论据的结论。要获得这样的结论，最有效的方法就是沿着事件发生的轨迹进行分析。

许多系统都会产生连续的事件流，如行驶中的汽车发射出 GPS 信号，金融交易，移动通信基站与繁忙的智能手机进行信号交换，网络流量，机器日志，工业传感器和可穿戴设备的测量结果，等等。如果能够高效地分析大规模流数据，我们对上述系统的理解将会更清楚、更快速。简而言之，流数据更真实地反映了我们的生活方式。

因此，我们自然希望将数据用事件流的方式收集起来并加以处理。但直到目前，这并不是整个行业的标准做法。流处理并非全新的概念，但它确实是一项专业性强且极具挑战性的技术。实际上，企业常见的数据架构仍旧假设数据是有头有尾的有限集。这个假设存在的大部分原因在于，与有限集匹配的数据存储及处理系统建起来比较简单。但是，这样做无疑给那些天然的流式场景人为地加了限制。

我们渴望按照流的方式处理数据，但要做好很困难；随着大规模数据在各行各业中出现，难度越来越大。这是一个属于物理学范畴的难题：在大型分布式系统中，数据一致性和对事件发生顺序的理解必然都是有限的。伴随着方法和技术的演化，我们尽可能使这种局限性不危及商业目标和运营目标。

在这样的背景下，Apache Flink（以下简称 Flink）应运而生。作为在公共社区中诞生的开源软件，Flink 为大容量数据提供流处理，并用同一种技术实现批处理。在 Flink 的开发过程中，开发人员着眼于避免其他流处理方法不得不在高效性或者易用性方面所做的妥协。

至此，市面上讲 Flink 的太少太少，国内的中文资料太欠缺，已有的几本书籍也不甚详尽，但是国内在阿里的推动下，我相信 Flink 会越来越火的，以下就是一本阿里资深技术专家翻译的一本Flink基础教程，在此小编免费分享给大家，点此处可领取得到哦，有需要一定要领取学习，文章目的就是希望对你们会有所帮助！

 

 

 

本书将讨论流处理的一些潜在好处，从而帮助你确定以流为基础的数据处理方法是否适合你自己的商业目标。流处理的一些数据来源以及适用场景可能会让你感到意外。此外，本书还将帮助你理解 Flink 的技术以及这些技术如何克服流处理面临的困难。

此书适宜人群

  • Flink 爱好者
  • 实时计算开发工程师
  • 大数据开发工程师
  • 计算机专业研究生
  • 有实时计算场景场景的 Java 开发工程师

限于篇幅的原因，我没有办法将这一份Flinfk学习文档全部分享出来，每章节内部还有更加细化的内容 ，有需要的这一份Flink学习文档的朋友上方可免费领取得到！

目录

 

 

 

 

 

 

 

 

 

限于头条篇幅的原因，我没有办法将这一份Flinfk学习文档全部分享出来，每章节内部还有更加细化的内容 ，有需要的这一份Flink学习文档的朋友文章开头方式可免费获取到！