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
流处理中的模型服务模式
这部分内容有帮助吗？
- Asynchronous I/O for External Services, The Apache Flink Community, 2024 (Apache Software Foundation) - 阐述了 Flink API 在实现低延迟外部模型服务模式中的基础作用。
- Stream Processing with Apache Flink: Fundamentals, StreamSQL, and Real-time Analytics, Fabian Hueske, Vasiliki Kalavri, 2019 (O'Reilly Media) - 一本基础书籍，涵盖了使用 Apache Flink 进行流处理的原理和实现，为构建实时数据管道提供了背景。
- Designing Machine Learning Systems: An Iterative Process for Production-Ready ML Applications, Chip Huyen, 2022 (O'Reilly Media) - 探讨了多种机器学习系统设计模式，包括在生产环境中进行模型部署和实时服务的策略。
- NVIDIA Triton Inference Server Documentation, NVIDIA, 2024 - 提供了关于高性能、开源推理服务解决方案的详细信息，是机器学习模型外部服务模式的一个范例。
© 2025 ApX Machine Learning用心打造