Flink執行時包含了兩種型別的處理器： JobManager處理器：也稱之為Master，用於協調分散式執行，它們用來排程task，協調檢查點，協調失敗時恢復等。Flink執行時至少存在一個master處

最近，社群提交了一個新的Proposal: 《Change threading-model in StreamTask to a mailbox-based approach》(來自Ververica的Stef

版權宣告：本文為博主原創文章，未經博主允許不得轉載。https://blog.csdn.net/kongxx/article/details/90166338 今天要做一個Flink的測

flink中的rpc框架使用的akka。在本節並不詳細講述akka，而是就flink中rpc來講述akka的部分內容。本節，我從AkkaRpcActor.handleRpcInvocation方法講起。 看過

【今晚直播預告 - Flink 進階教程】 第一課、Flink Checkpoint--輕量級分散式快照 講師：唐雲（Apache Flink Contributor) 直播：5月9日20:00-2

作者：楊克特/伍翀 整理：徐前進（Apache Flink Contributor） 校對：楊克特/伍翀 本文整理自12月20日在北京舉行的Flink-forward-china-2018大會， 分享嘉賓楊

期待 Flink 1.9 整合 Flink 和 Blink 的版本。突然心血來潮，打算自己編一版 Blink 玩玩，這篇文章分為兩個部分： 介紹如何編譯Blink，這部分非常簡單的入門

指標系統 TODO Prometheus 配置 Flink 首先，執行cp opt/flink-metrics-prometheus-1.8.0.jar lib/ ，將依賴的 JAR

前面的文章我們介紹了 StreamGraph 的生成，這個實際上只對應 Flink 作業在邏輯上的執行計劃圖。Flink 會進一步對 StreamGraph 進行轉換，得到另一個執行計劃圖，即 JobGraph

我們前面已經分析過StreamGraph ,JobGraph 的生成過程，這兩個執行圖都是在 client 端生成的。接下來我們將把目光頭投向 Flink Job 執行時排程層核心的執行圖 -

首先來看一下 FlinkKafkaConsumerBase.run方法，相當於是Flink 從kafka中拉取資料的入口方法: //入口方法 start a source public vo

Flink對Offset的管理，有兩種方式： 1.Checkpointing disabled 完全依賴於kafka自身的API 2.Checkpointing enabled

歡迎瞭解與試用騰訊實時計算團隊打造的 《Oceanus:基於Apache Flink的一站式實時計算平臺》 你可以點選一下“文中”或“底部”的廣告支援一下作者~ O(∩_∩)O 這篇文章我們來解讀一

從疑問入手瞭解Flink Flink網上的資料比起Spark來說是少很多的，我在學習的過程中有一些疑問，然後從疑問入手學習並參考官網文件和阿里的雲棲社群總結。 批處理和流處理的區別？ 最大的區別就是

flink作為目前比較火的流處理引擎，學好還是很有必要的，但是很多人喜歡問浪尖flink會不會超越spark，我覺得短期內還是不會，而且spark 批處理領域還是很高效靠譜的。但是作為大資料開發者，spark和