你将获得什么？
- 熟练掌握Flink SQL接口的原理与操作方法；
- 深入理解Flink DataStream API的实践原理；
- 全面剖析Flink Runtime的设计与实现机制；
- 完整构建一个实时推荐数据流系统。
课程简介
目前大部分公司的大数据处理工作，使用的还是离线处理技术，但未来，流式计算必定会成为分布式计算的重要方向之一。如果你想要掌握一门具有前瞻性的流式计算处理技术，Flink必然是你的首选。目前为止，开源界唯一真正同时做到低时延，数据一致性保障以及高吞吐的大数据处理技术，也只有Flink。它可以在毫秒级的延迟情况下，实现每秒钟处理上亿次的消息或者事件。
Flink的上手门槛比较高，API不够直观也不够好用，在不同使用模式下体验也不一致。有了问题，求助社区，得到反馈时间又比较长，这些问题让我们自学起来困难重重。
本课程会通过讲解Flink的核心特性以及实操部署，带你入门Flink。结合三个不同的实战，重点讲解Flink作业的开发与实践技巧，加深掌握。随后对核心原理进行剖析，包括Runtime的设计与实现，常用的监控指标Checkpoint、反压等概念。在课程的最后部分，我会安排一个完整的推荐项目，串联所有知识点进行实战，让你更加游刃有余地使用Flink进行工作开发。
课程目录
第一章：Apache Flink介绍 (5讲)
01 | 课程介绍
02 | 内容综述
03 | 流处理技术概览
04 | Flink发展历史与应用场景
05 | Flink核心特性
第二章：Flink部署与应用 (13讲)
06 | Flink集群架构
07 | Flink集群运行模式
08 | Flink集群资源管理器支持
09 | Standalone原理讲解与实操演示
10 | Flink On Yarn部署讲解
11 | Flink On Yarn实操演示
12 | Flink On Kubernetes部署讲解
13 | Flink On Kubernetes实操：Session模式
14 | Flink On Kubernetes实操：Per-job模式
15 | Flink On Kubernetes Native部署讲解
16 | Flink On Kubernetes Native实操演示
17 | Flink高可用配置原理讲解
18 | Flink高可用配置实操演示
第三章：Flink DataStream API实践原理 (19讲)
19 | 分布式流处理模型
20 | DataStream API 实践原理
21 | Flink 时间概念
22 | Watermark实践原理
23 | Watermark与Window的关系
24 | Watermark Generator
25 | Windows窗口计算
26 | Window Assigner
27 | Window Trigger
28 | Window Evictors
29 | Window Function
30 | Windows多流合并
31 | Process Function应用
32 | SideOutput旁路输出
33 | Asynchronous I/O异步操作
34 | Pipeline与StreamGraph转换
35 | Flink类型系统
36 | 自定义SourceFunction
37 | 项目实战：基于DataStream API实现PV，UV统计
第四章：Flink状态管理和容错 (13讲)
38 | 有状态计算概念
39 | 状态类型及应用
40 | KeyedState介绍与使用
41 | OperatorState介绍与使用
42 | BroadcastState介绍与使用
43 | Checkpoint实现原理
44 | Savepoint与Checkpoint
45 | StateBackends状态管理器
46 | State Schema Evolution
47 | State序列化与反序列化
48 | Queryable State介绍与使用
49｜项目实战：实时交易反欺诈项目介绍
50｜项目实战：实时交易反欺诈项目演示
第五章：Flink Table & SQL实践原理 (19讲)
51｜Flink Table API/SQL介绍与使用
52｜Table API/SQL核心概念
53｜DataStream & DataSet 与Table相互转换
54｜Table Connector介绍与使用
55｜Querying Dynamic Tables
56｜TimeStamp与Watermark时间属性定义
57｜Query With Temporal Condition
58｜Join With Dynamic Table
59｜Join With Temporal Function
60｜Join With Temporal Tables
61｜Catalog原理与使用
62｜Apache Hive集成
63｜SQL Client介绍与使用
64｜Flink SQL Table数据类型
65｜自定义Function
66｜Table Connector使用
67｜自定义Connector
68｜new tablesource & tablesink api
69｜项目实战：基于Flink SQL实现Top10商品统计
第六章：Flink Runtime设计与实现 (11讲)
70｜Runtime整体架构
71｜Flink Client实现原理
72｜ResourceManager资源管理
73｜Dispatcher任务分发器
74｜JobGraph提交与运行（上）
75｜JobGraph提交与运行（下）
76｜Task执行与调度
77｜Task重启和容错策略
78｜集群组件RPC通信机制
79｜NetworkStatck实现原理
80｜Flink内存管理
第七章：Flink监控与性能优化 (5讲)
81｜Metric指标分类与采集
82｜Flink REST API介绍与使用
83｜Checkpoint监控与调优
84｜反压监控与原理
85｜Flink内存配置与调优
第八章：Flink组件栈介绍与使用 (4讲)
86｜PyFlink实践与应用
87｜Flink复杂事件处理：Complex event process
88｜Alink机器学习框架介绍与使用
89｜Stateful Function介绍与使用
第九章：项目实战-使用Flink构建推荐系统实时数据流 (2讲)
90｜实时推荐系统项目设计与实现
91｜结束语
讲师介绍
张利兵，第四范式数据中台架构师，Apache Flink的贡献者，《Flink原理、实战与性能优化》的作者。
张利兵老师在大数据领域深耕了7年之久，曾主导某国企银行实时风控平台的产品研发和部署，带领团队进行某轨道行业实时运维智能平台的架构与研发工作。在大数据领域拥有非常丰富的工作经验，对Hadoop、Spark、Flink、机器学习等大数据技术有着深入的了解。张利兵老师同是也获得了Cloudera CCAH认证，Cloudera SEBC认证以及Cloudera认证讲师，拥有非常丰富的授课经验。