作者: [美] 埃伦•弗里德曼/[希] 科斯塔斯•宙马斯 出版社: 人民邮电出版社 原作名: Introduction to Apache Flink: Stream Processing for Real Time and Beyond 译者: 王绍翾 出版年: 2018-8 页数: 96 定价: 39.00元 装帧: 平装 丛书: 图灵程序设计丛书 ISBN: 9787115490063

内容简介

作者介绍 埃伦·弗里德曼（Ellen Friedman） 解决方案咨询师，知名大数据相关技术布道师，在流处理架构和大数据处理框架等方面有多部著作。 科斯塔斯·宙马斯（Kostas Tzoumas） Flink项目核心成员，data Artisans公司联合创始人兼首席执行官，在流处理和数据科学领域经验丰富。 译者介绍 王绍翾 阿里巴巴资深技术专家，Apache Flink Committer，淘宝花名“大沙”。毕业于北京大学信息科学技术学院，后取得加州大学圣地亚哥分校计算机工程博士学位。目前就职于阿里巴巴计算平台事业部，负责Flink SQL引擎及机器学习的相关开发。加入阿里巴巴之前，在Facebook开发分布式图存储系统TAO。曾多次拜访由Flink创始团队创办的公司data Artisans，并与其首席执行官科斯塔斯·宙马斯（本书作者之一）以及首席技术官斯蒂芬·尤恩有着广泛的合作。

作者简介

作者介绍 埃伦·弗里德曼（Ellen Friedman） 解决方案咨询师，知名大数据相关技术布道师，在流处理架构和大数据处理框架等方面有多部著作。 科斯塔斯·宙马斯（Kostas Tzoumas） Flink项目核心成员，data Artisans公司联合创始人兼首席执行官，在流处理和数据科学领域经验丰富。 译者介绍 王绍翾 阿里巴巴资深技术专家，Apache Flink Committer，淘宝花名“大沙”。毕业于北京大学信息科学技术学院，后取得加州大学圣地亚哥分校计算机工程博士学位。目前就职于阿里巴巴计算平台事业部，负责Flink SQL引擎及机器学习的相关开发。加入阿里巴巴之前，在Facebook开发分布式图存储系统TAO。曾多次拜访由Flink创始团队创办的公司data Artisans，并与其首席执行官科斯塔斯·宙马斯（本书作者之一）以及首席技术官斯蒂芬·尤恩有着广泛的合作。

网友热评

cywhfe: 聊胜于无，不如官方文档读着实在，浪费大沙的盛名了 菩提树下搬砖头: 这是一本小册子，里面介绍了流式处理和批处理的相关内容，附带了一些有用的资料链接。 硅胶鱼: 最有用的是后面的资料链接. 前面没什么价值 豆瓣匠: 很多时候大家遇到的问题都是相似的，为解决这些问题，框架便应运而生。框架很多时候的确能很好的解决问题，也因此让人变得懒惰。 很多人在用过框架后会读源码以了解其原理，这值得鼓励但并不是最好的路径，这只是增多了对框架的理解而已。 遇到问题时先能思考和实践自己的方案，再看框架是如何解决的，通过对比，这才是增多了对问题的认识和解决方案的理解。

图书目录

前言ix 第1章　为何选择Flink1 1.1　流处理欠佳的后果2 1.1.1　零售业和市场营销2 1.1.2　物联网3 1.1.3　电信业5 1.1.4　银行和金融业5 1.2　连续事件处理的目标6 1.3　流处理技术的演变6 1.4　初探Flink9 1.5　生产环境中的Flink12 1.5.1　布衣格电信13 1.5.2　其他案例14 1.6　Flink的适用场景15 第2章　流处理架构17 2.1　传统架构与流处理架构17 2.2　消息传输层和流处理层18 2.3　消息传输层的理想功能19 2.3.1　兼具高性能和持久性20 2.3.2　将生产者和消费者解耦20 2.4　支持微服务架构的流数据21 2.4.1　数据流作为中心数据源22 2.4.2　欺诈检测：流处理架构用例22 2.4.3　给开发人员带来的灵活性24 2.5　不限于实时应用程序24 2.6　流的跨地域复制26 第3章　Flink的用途29 3.1　不同类型的正确性29 3.1.1　符合产生数据的自然规律29 3.1.2　事件时间31 3.1.3　发生故障后仍保持准确32 3.1.4　及时给出所需结果33 3.1.5　使开发和运维更轻松33 3.2　分阶段采用Flink34 第4章　对时间的处理35 4.1　采用批处理架构和Lambda架构计数35 4.2　采用流处理架构计数38 4.3　时间概念40 4.4　窗口41 4.4.1　时间窗口41 4.4.2　计数窗口43 4.4.3　会话窗口43 4.4.4　触发器44 4.4.5　窗口的实现44 4.5　时空穿梭44 4.6　水印45 4.7　真实案例：爱立信公司的Kappa架构47 第5章　有状态的计算49 5.1　一致性50 5.2　检查点：保证exactly-once51 5.3　保存点：状态版本控制59 5.4　端到端的一致性和作为数据库的流处理器62 5.5　Flink的性能65 5.5.1　Yahoo!StreamingBenchmark65 5.5.2　变化1：使用Flink状态66 5.5.3　变化2：改进数据生成器并增加吞吐量67 5.5.4　变化3：消除网络瓶颈68 5.5.5　变化4：使用MapRStreams69 5.5.6　变化5：增加key基数69 5.6　结论71 第6章　批处理：一种特殊的流处理73 6.1　批处理技术75 6.2　案例研究：Flink作为批处理器76 附录　其他资源79 关于作者84