大数据技术丛书FLINK 原理.实战与性能优化

前言 第1章　Apache Flink介绍 1 1.1　Apache Flink是什么 1 1.2　数据架构的演变 2 1.2.1　传统数据基础架构 3 1.2.2　大数据数据架构 4 1.2.3　有状态流计算架构 5 1.2.4　为什么会是Flink 6 1.3　Flink应用场景 8 1.4　Flink基本架构 10 1.4.1　基本组件栈 10 1.4.2　基本架构图 11 1.5　本章小结 13 第2章　环境准备 14 2.1　运行环境介绍 14 2.2　Flink项目模板 15 2.2.1　基于Java实现的项目模板 15 2.2.2　基于Scala实现的项目模板 18 2.3　Flink开发环境配置 20 2.3.1　下载IntelliJ IDEA IDE 21 2.3.2　安装Scala Plugins 21 2.3.3　导入Flink应用代码 22 2.3.4　项目配置 22 2.4　运行Scala REPL 24 2.4.1　环境支持 24 2.4.2　运行程序 24 2.5　Flink源码编译 25 2.6　本章小结 26 第3章　Flink编程模型 27 3.1　数据集类型 27 3.2　Flink编程接口 29 3.3　Flink程序结构 30 3.4　Flink数据类型 37 3.4.1　数据类型支持 37 3.4.2　TypeInformation信息获取 40 3.5　本章小结 43 第4章　DataStream API 介绍与使用 44 4.1　DataStream编程模型 44 4.1.1　DataSources数据输入 45 4.1.2　DataSteam转换操作 49 4.1.3　DataSinks数据输出 59 4.2　时间概念与Watermark 61 4.2.1　时间概念类型 61 4.2.2　EventTime和Watermark 63 4.3　Windows窗口计算 69 4.3.1　Windows Assigner 70 4.3.2　Windows Function 77 4.3.3　Trigger窗口触发器 83 4.3.4　Evictors数据剔除器 87 4.3.5　延迟数据处理 88 4.3.6　连续窗口计算 89 4.3.7　Windows多流合并 90 4.4　作业链和资源组 95 4.4.1　作业链 95 4.4.2　Slots资源组 96 4.5　Asynchronous I/O异步操作 97 4.6　本章小结 98 第5章　Flink状态管理和容错 100 5.1　有状态计算 100 5.2　Checkpoints和Savepoints 109 5.2.1　Checkpoints检查点机制 109 5.2.2　Savepoints机制 111 5.3　状态管理器 114 5.3.1　StateBackend类别 114 5.3.2　状态管理器配置 116 5.4　Querable State 118 5.5　本章小结 123 第6章　DataSet API介绍与使用 124 6.1　DataSet API 124 6.1.1　应用实例 125 6.1.2　DataSources数据接入 126 6.1.3　DataSet转换操作 128 6.1.4　DataSinks数据输出 134 6.2　迭代计算 136 6.2.1　全量迭代 136 6.2.2　增量迭代 137 6.3　广播变量与分布式缓存 139 6.3.1　广播变量 139 6.3.2　分布式缓存 140 6.4　语义注解 141 6.4.1　Forwarded Fileds注解 141 6.4.2　Non-Forwarded Fileds注解 143 6.4.3　Read Fields注解 144 6.5　本章小结 145 第7章　Table API & SQL介绍与使用 146 7.1　TableEnviroment概念 146 7.1.1　开发环境构建 147 7.1.2　TableEnvironment基本操作 147 7.1.3　外部连接器 155 7.1.4　时间概念 162 7.1.5　Temporal Tables临时表 166 7.2　Flink Table API 167 7.2.1　Table API应用实例 167 7.2.2　数据查询和过滤 168 7.2.3　窗口操作 168 7.2.4　聚合操作 173 7.2.5　多表关联 175 7.2.6　集合操作 177 7.2.7　排序操作 178 7.2.8　数据写入 179 7.3　Flink SQL使用 179 7.3.1　Flink SQL实例 179 7.3.2　执行SQL 180 7.3.3　数据查询与过滤 181 7.3.4　Group Windows窗口操作 182 7.3.5　数据聚合 184 7.3.6　多表关联 186 7.3.7　集合操作 187 7.3.8　数据输出 189 7.4　自定义函数 189 7.4.1　Scalar Function 189 7.4.2　Table Function 191 7.4.3　Aggregation Function 192 7.5　自定义数据源 193 7.5.1　TableSource定义 193 7.5.2　TableSink定义 196 7.5.3　TableFactory定义 199 7.6　本章小结 201 第8章　Flink组件栈介绍与使用 202 8.1　Flink复杂事件处理 202 8.1.1　基础概念 203 8.1.2　Pattern API 204 8.1.3　事件获取 210 8.1.4　应用实例 212 8.2　Flink Gelly图计算应用 213 8.2.1　基本概念 213 8.2.2　Graph API 214 8.2.3　迭代图处理 220 8.2.4　图生成器 226 8.3　FlinkML机器学习应用 227 8.3.1　基本概念 227 8.3.2　有监督学习算子 229 8.3.3　数据预处理 231 8.3.4　推荐算法 234 8.3.5　Pipelines In FlinkML 235 8.4　本章小结 236 第9章　Flink部署与应用 237 9.1　Flink集群部署 237 9.1.1　Standalone Cluster部署 238 9.1.2　Yarn Cluster部署 240 9.1.3　Kubernetes Cluster部署 244 9.2　Flink高可用配置 247 9.2.1　Standalone集群高可用配置 248 9.2.2　Yarn Session集群高可用配置 250 9.3　Flink安全管理 251 9.3.1　认证目标 251 9.3.2　认证配置 252 9.3.3　SSL配置 253 9.4　Flink集群升级 255 9.4.1　任务重启 256 9.4.2　状态维护 256 9.4.3　版本升级 257 9.5　本章小结 258 第10章　Flink监控与性能优化 259 10.1　监控指标 259 10.1.1　系统监控指标 259 10.1.2　监控指标注册 261 10.1.3　监控指标报表 264 10.2　Backpressure监控与优化 266 10.2.1　Backpressure进程抽样 266 10.2.2　Backpressure页面监控 267 10.2.3　Backpressure配置 268 10.3　Checkpointing监控与优化 268 10.3.1　Checkpointing页面监控 268 10.3.2　Checkpointing优化 271 10.4　Flink内存优化 273 10.4.1　Flink内存配置 274 10.4.2　Network Buffers配置 275 10.5　本章小结 277