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
水位线生成策略
这部分内容有帮助吗？
- Working with Event Time, The Apache Flink Community, 2018 (Apache Software Foundation) - Apache Flink事件时间处理、水印、水印策略和空闲源处理的官方文档。
- Streaming Systems: The What, Where, When, and How of Large-Scale Data Processing, Tyler Akidau, Slava Chernyak, Reuven Lax, 2018 (O'Reilly Media) - 一本全面指南，涵盖分布式流处理的基本概念，包括事件时间、水印、窗口操作和正确性保证。
- The Dataflow Model: A Practical Approach to Balancing Correctness, Latency, and Cost in Unified Stream Processing, Tyler Akidau, Robert Bradshaw, Craig Chambers, Slava Chernyak, Rafael J. Fernández-Moctezuma, Rui Li, Davorin Marković, Francis McCabe, Jean-Baptiste Onofré, Abigail P. O'Neil, Paul Nordstrom, and Sam Whittle, 2015 Proceedings of the VLDB Endowment, Vol. 8 (VLDB Endowment) DOI: 10.14778/2824032.2824076 - 介绍Dataflow模型的基础性论文，该模型影响了Flink等现代流处理系统，详细阐述了事件时间、处理时间和水印语义。
© 2025 ApX Machine Learning用心打造