序 本文主要研究一下flink的InternalTimeServiceManager InternalTimeServiceManager flink-streaming-java_2.11-1.7

幾年前，國內對開源的認知是：我們做不了開源，我們創新力不夠。那時候國產開源專案要進 Apache？想也別想！而現在 Apache 裡面的國內開源專案一隻手都數不過來。這裡是二叉樹第四季，我們跟你聊聊開源這件事兒

flink-runtime_2.11-1.7.0-sources.jar!/org/apache/flink/runtime/state/CheckpointStorage.java /** * Chec

最近的一份市場調查報告顯示，Apache Flink 是2018年開源大資料生態中發展“最快”的引擎，和2017年相比增長了125% 。為了讓大家更為全面地瞭解Flink，我們製作了一本電子乾貨合集： 《不僅

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); Iter

final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(); DataSet<Long&

final ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment(); DataSet<Reco

微信公眾號： 深廣大資料Club 關注可瞭解更多大資料相關的資訊。問題或建議，請公眾號留言; [如果你覺得深廣大資料Club對你有幫助，歡迎讚賞] 本文主要講述Apa

原文： https://data-artisans.com/blog/broadcast-state-pattern-flink-considerations 作者：Markos Sfikas 譯者

// set up the execution environment final StreamExecutionEnvironment env = StreamExecutionEnviron

公眾號/AI前線 作者｜Jeff Bean 譯者｜無明 編輯｜Debra AI 前線導讀： 在大資料領域工作了近 8 年後，今年秋天，作為 data Artisans 的技術佈道師

檢查點（Checkpoint）機制是 Flink 實現錯誤容忍機制的核心。通過持續以非同步的方式儲存輕量級的映象，當錯誤（機器、網路或者軟體原因）發生時，系統重啟操作並重置操作到最新儲存成功的檢查點。 F

唯品會實時平臺現狀 目前在唯品會實時平臺並不是一個統一的計算框架，而是包括Storm，Spark，Flink在內的三個主要計算框架。由於歷史原因，當前在Storm平臺上的job數量是最多的，但是從去年開始，

實際問題 很多大資料計算產品，都對使用者提供了SQL API，比如Hive, Spark, Flink等，那麼SQL作為傳統關係資料庫的查詢語言，是應用在批查詢場景的。Hive和Spark本質上都是Batch的

前言 Flink 是一種流式計算框架，為什麼我會接觸到 Flink 呢？因為我目前在負責的是監控平臺的告警部分，負責採集到的監控資料會直接往 kafka 裡塞，然後告警這邊需要從 kafka topic 裡面實時讀