趋近智
使用Apache Kafka和Flink的实时数据管道
章节 1: 流处理架构与语义
分布式日志的发展
Lambda 与 Kappa 架构
处理保障和含义
事件时间与处理时间
动手实践：设计一个Kappa管道
章节 2: 高级 Kafka 生产者和消费者工作原理
复制协议和ISR
幂等生产者与事务
自定义分区策略
消费者组再平衡协议
动手实践：实现事务性写入
章节 3: Flink 状态管理与检查点
状态后端：HashMap 对比 RocksDB
异步屏障快照
增量检查点
状态模式演变
动手实践：使用 Savepoint 进行状态迁移
章节 4: 高级窗口与时间属性
水位线生成策略
处理延迟数据与侧输出
自定义窗口触发器和驱逐器
会话窗口与间隔分析
动手实践：制作自定义触发器
章节 5: 使用 ProcessFunction 的底层操作
ProcessFunction 结构体系
定时器服务与事件调度
广播状态模式
外部查找的异步 I/O
动手实践：动态规则评估
章节 6: 生产部署与可靠性
Avro 和 Protobuf 序列化
模式注册表集成
Kafka Connect 用于源和目标
故障恢复策略
实战：运行中的模式演进
章节 7: 性能调优与监控
识别反压
内存管理与槽位分配
优化 RocksDB 性能
Kafka 消费者滞后分析
实操：解决数据倾斜
章节 8: 实时AI与特征工程
在线特征生成
流处理中的模型服务模式
基于异步流的请求-响应机制
特征存储的整合
动手实践：实时推理管道
处理保障和含义
这部分内容有帮助吗？
- Distributed snapshots: Determining global states of distributed systems, K. Mani Chandy and Leslie Lamport, 1985 ACM Transactions on Computer Systems, Vol. 3 (Association for Computing Machinery) DOI: 10.1145/214451.214456 - 这篇奠基性论文介绍了 Chandy-Lamport 分布式快照算法，这是 Flink 实现精确一次语义的核心机制。
- State & Fault Tolerance, The Apache Flink Community, 2024 (Apache Software Foundation) - 解释 Flink 状态管理、检查点和恢复机制的官方文档，这些机制实现了精确一次处理。
- Event Time, The Apache Flink Community, 2024 - 详细说明事件时间、水位线及其在一致、确定性流处理结果中作用的官方文档。
- Transactions, The Apache Kafka Community, 2024 - 描述 Kafka 事务 API 的官方文档，这对于与 Flink 等流处理器集成时实现端到端精确一次语义是不可或缺的。
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 一本全面的书籍，详细阐述了数据密集型应用程序中的一致性模型、分布式事务和流处理可靠性，包括幂等性和精确一次语义。
© 2025 ApX Machine Learning用心打造