Flink基礎(chǔ)教程

定　價(jià)：￥39.00

作　者：	[美] 埃倫·弗里德曼（Ellen Friedman）[希]科斯塔斯·宙馬斯，[希]科斯塔斯·宙馬斯（Kostas，Tzoumas）著，王紹翾譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787115490063	出版時(shí)間：	2018-08-01	包裝：	平裝
開本：	大32開	頁(yè)數(shù)：	84	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　近年來(lái)，流處理變得越來(lái)越流行。作為高度創(chuàng)新的開源流處理器，F(xiàn)link擁有諸多優(yōu)勢(shì)，包括容錯(cuò)性、高吞吐、低延遲，以及同時(shí)支持流處理和批處理的能力。本書分為6章，側(cè)重于介紹Flink的核心設(shè)計(jì)理念、功能和用途，內(nèi)容涉及事件時(shí)間和處理時(shí)間、窗口和水印機(jī)制、檢查點(diǎn)機(jī)制、性能測(cè)評(píng)，以及Flink如何實(shí)現(xiàn)批處理。本書面向有興趣學(xué)習(xí)如何分析大規(guī)模流數(shù)據(jù)的讀者。

作者簡(jiǎn)介

　　作者介紹埃倫·弗里德曼（Ellen Friedman）解決方案咨詢師，知名大數(shù)據(jù)相關(guān)技術(shù)布道師，在流處理架構(gòu)和大數(shù)據(jù)處理框架等方面有多部著作?？扑顾?middot;宙馬斯（Kostas Tzoumas）Flink項(xiàng)目核心成員，data Artisans公司聯(lián)合創(chuàng)始人兼首席執(zhí)行官，在流處理和數(shù)據(jù)科學(xué)領(lǐng)域經(jīng)驗(yàn)豐富。譯者介紹王紹翾阿里巴巴資深技術(shù)專家，Apache Flink Committer，淘寶花名“大沙”。畢業(yè)于北京大學(xué)信息科學(xué)技術(shù)學(xué)院，后取得加州大學(xué)圣地亞哥分校計(jì)算機(jī)工程博士學(xué)位。目前就職于阿里巴巴計(jì)算平臺(tái)事業(yè)部，負(fù)責(zé)Flink SQL引擎及機(jī)器學(xué)習(xí)的相關(guān)開發(fā)。加入阿里巴巴之前，在Facebook開發(fā)分布式圖存儲(chǔ)系統(tǒng)TAO。曾多次拜訪由Flink創(chuàng)始團(tuán)隊(duì)創(chuàng)辦的公司data Artisans，并與其首席執(zhí)行官科斯塔斯·宙馬斯（本書作者之一）以及首席技術(shù)官斯蒂芬·尤恩有著廣泛的合作。

圖書目錄

前言 ix
第 1章　為何選擇Flink 1
1．1　流處理欠佳的后果 2
1．1．1　零售業(yè)和市場(chǎng)營(yíng)銷 2
1．1．2　物聯(lián)網(wǎng) 3
1．1．3　電信業(yè) 5
1．1．4　銀行和金融業(yè) 5
1．2　連續(xù)事件處理的目標(biāo) 6
1．3　流處理技術(shù)的演變 6
1．4　初探Flink 9
1．5　生產(chǎn)環(huán)境中的Flink 12
1．5．1　布衣格電信 13
1．5．2　其他案例 14
1．6　Flink的適用場(chǎng)景 15
第 2章　流處理架構(gòu) 17
2．1　傳統(tǒng)架構(gòu)與流處理架構(gòu) 17
2．2　消息傳輸層和流處理層 18
2．3　消息傳輸層的理想功能 19
2．3．1　兼具高性能和持久性 20
2．3．2　將生產(chǎn)者和消費(fèi)者解耦 20
2．4　支持微服務(wù)架構(gòu)的流數(shù)據(jù) 21
2．4．1　數(shù)據(jù)流作為中心數(shù)據(jù)源 22
2．4．2　欺詐檢測(cè)：流處理架構(gòu)用例 22
2．4．3　給開發(fā)人員帶來(lái)的靈活性 24
2．5　不限于實(shí)時(shí)應(yīng)用程序 24
2．6　流的跨地域復(fù)制 26
第3章　Flink 的用途 29
3．1　不同類型的正確性 29
3．1．1　符合產(chǎn)生數(shù)據(jù)的自然規(guī)律 29
3．1．2　事件時(shí)間 31
3．1．3　發(fā)生故障后仍保持準(zhǔn)確 32
3．1．4　及時(shí)給出所需結(jié)果 33
3．1．5　使開發(fā)和運(yùn)維更輕松 33
3．2　分階段采用Flink 34
第4章　對(duì)時(shí)間的處理 35
4．1　采用批處理架構(gòu)和Lambda 架構(gòu)計(jì)數(shù) 35
4．2　采用流處理架構(gòu)計(jì)數(shù) 38
4．3　時(shí)間概念 40
4．4　窗口 41
4．4．1　時(shí)間窗口 41
4．4．2　計(jì)數(shù)窗口 43
4．4．3　會(huì)話窗口 43
4．4．4　觸發(fā)器 44
4．4．5　窗口的實(shí)現(xiàn) 44
4．5　時(shí)空穿梭 44
4．6　水印 45
4．7　真實(shí)案例：愛立信公司的Kappa 架構(gòu) 47
第5章　有狀態(tài)的計(jì)算 49
5．1　一致性 50
5．2　檢查點(diǎn)：保證exactly-once 51
5．3　保存點(diǎn)：狀態(tài)版本控制 59
5．4　端到端的一致性和作為數(shù)據(jù)庫(kù)的流處理器 62
5．5　Flink 的性能 65
5．5．1　Yahoo! Streaming Benchmark 65
5．5．2　變化1：使用Flink 狀態(tài) 66
5．5．3　變化2：改進(jìn)數(shù)據(jù)生成器并增加吞吐量 67
5．5．4　變化3：消除網(wǎng)絡(luò)瓶頸 68
5．5．5　變化4：使用MapR Streams 69
5．5．6　變化5：增加key 基數(shù) 69
5．6　結(jié)論 71
第6章　批處理：一種特殊的流處理 73
6．1　批處理技術(shù) 75
6．2　案例研究：Flink 作為批處理器 76
附錄　其他資源 79
關(guān)于作者 84