Flink大数据实时计算系统实践
课程简介：
本次的课程主要包括三大部分：
1.Flink基本原理概述。指导学员了解并掌握Flink使用过程中设计到的基本概念和简要API，介绍大数据实时流计算相关生态体系，着重梳理清楚Flink上下游体系，掌握Flink的核心技术原理，建立大数据实时流计算的方法论思维。
2.Flink实战生产技术。从实战出发，围绕实时流计算业务场景分析、基本编程模型、高级特性等系统性介绍Flink实时流计算的实战技术，使得学员具备研发Flink实时流计算相关应用的基础能力。
3.Druid是一款支持数据实时写入、低延时、高性能的OLAP引擎，具有优秀的数据聚合能力与实时查询能力。在大数据分析、实时计算、监控等领域都有特定的应用场景，是大数据基础架构建设中重要的一环。本次课程我们将介绍Druid的核心特性与原理，以及在性能调优以及最佳实践经验。
面向人群：
1.希望学习大数据实时流计算和实时OLAP的学生；
2.希望了解大数据实时流计算和OLAP实战技术的IT从业人员；
3.未来希望成为大数据实时流计算的求职者；
4.想在大数据实时流计算方向和OLAP方面进行深入研究者。
学习收益：
通过本课程的学习，学员将会收获：
1.学员将系统性的了解并掌握大数据实时流计算的基本技术原理，结合Flink的生产技术案例，可基本实现独立开发、业务场景分析能力；
2.了解大数据实时流计算上下游生态；
3.理解Druid基础特性与正确使用方式，基本工作原理，并了解Druid面向的问题域以及典型的使用场景；
4.对有志于从事大数据实时流计算以及OLAP研发的学员，提供系统实现原理的讲解与指导。
【课程内容】
第一课：Flink基本概念与部署
1.Flink 简介
2.编程模型
3.运行时概念
4.应用部署与原理
a. 部署模式
b. On-Yarn 启动设置与原理
c. Job 启动设置与原理
第二课： DataStream
1.DataStreamContext环境
2.数据源(DataSource)
3.转化(Transformation)
4.数据Sink
第三课：Window & Time
1.Window介绍
a.为什么要有Window
b.Window类型
2.Window API的使用
a.Window的三大组件
b.Time&watermark
c.时间语义
d.乱序问题解决WaterMark
e.AllowLateness正确设置与理解
f. Sideoutput在Window中的使用
3.Window的内部实现原理
a.Window的处理流程
b.Window中的状态存储
4.生产环境中的Window使用遇到的一些问题
第四课：Connector
1.基本Connnector
2.自定义Source 与 Sink
a.Kafka简介
b.Kafka Consumer 与Sink 的正确使用方式
c.Kafka-Connector 内部机制与实现原理
第五课：状态管理与恢复机制
1.基本概念
2.KeyState 基本类型及用法
a.ValueState
b.ListState
c.ReduceState
d.FoldState
e.AggregatingState
3.OperatorState基本用法
4.Checkpoint
a.概念
b.开启checkpoint
c.基本原理
第六课：Metrics 与监控
1.Metrics的种类
2.Metrics的获取方式
a.Web Ui
b.Rest API
c.MetricReporter
3.用户自定义Metric指标方式
4.监控和诊断:Metric和Druid 实时OLAP联合使用
a.Metric上报
b.Metric指标聚合
c.Metric的分类和格式定义
5.Druid查询和指标系统
a.Flink作业反压监控
b.Flink作业的延迟监控
c.其他
6.Metric系统的内部实现
7.生产环境中的案例分析 -- 通过指标来排查应用问题
第七课：Flink应用案例介绍
1.数据清洗：map/flatmap等
2.监控告警系统
a. 数据拉平
b. 基础窗口计算等
3.线上运营系统
4.风控系统
第八课：Druid基本概念与架构设计
1.Druid与OLAP VS Kylin、ES等
2.Druid与指标系统 VS 各种时序数据库
3.Druid特性
4.基本架构:角色节点与基本职责
a.角色行为
b.角色暴露的API
5.基本架构:外部依赖
a.MySQL数据结构
b.ZK数据结构
c.HDFS数据结构
第九课： Druid数据写入与查询
1.数据流向与存储格式
a.数据写入流程
b.存储与索引格式
2.实时数据写入
a.Firehose
b.Realtime Node
c.Index-Service原理介绍
d.Tranquility原理介绍
e.Kafka-index-service原理
3.离线数据写入
a.Indexer
b.MR Indexer
4.查询模式与查询类型介绍
第十课： Druid实践介绍
1.容错设计
2.指标监控
a.基于Graphite搭建指标监控系统
b.重要的指标项
3.运维实践
a.数据修复
b.集群升级实践
c.Segment元数据管理
d.JVM调优
c.资源隔离
【下载地址】
**** Hidden Message *****
看了LZ的帖子，我只想说一句很好很强大！支持吾爱编程网！ Flink大数据实时计算系统实践 看了LZ的帖子，我只想说一句很好很强大！支持吾爱编程网！ 不管你信不信，反正我是信了。支持吾爱编程网！ 感谢楼主分享 不管你信不信，反正我是信了。支持吾爱编程网！ 啥也不说了，楼主就是给力！支持吾爱编程网！ 啥也不说了，楼主就是给力！支持吾爱编程网！ Flink大数据实时计算系统实践