Flink入門與實戰

這本書脈絡還是很清晰，講場景，講架構，講組件，講項目實戰，flink就是大數據計算引擎的第四代，所謂站在巨人的肩膀上走得更遠，和spark的區別就是真正的做到了毫秒級實時計算，流式處理和批處理。場景可以是日誌分析、電商搜索排名、算法推薦、實時報表統計、實時監控、消息僅消費一次。架構就是Deploy、Core、API、Library。組件核心就是Datesource（輸入），Transformation（算子），Datasink（輸出）。輸入可以從文件、socket、集合、自定義，算子支持map、flatmap等，輸出支持文件，控制檯打印，自定義，結合Apach Bahir可以支持kafka、redis、es、hdfs。 總結下臺，大數據生態的技術，入門都不難，也能在項目中快速用起來，難的是項目中遇到性能問題後的優化，遇到穩定性問題的救火。然後這一關過了後，想要繼續深挖，就需要研究代碼，研究原理，研究數據結構與算法，研究論文，找到痛點，優化這個框架，猶如Tez的出現是爲了解決MR的痛點，storm和spark的出現是爲了解決流式計算，實時統計，而spark的出現是爲了解決spark的僞批量，同時因爲Flink提供了標準SQL，這一下子把門檻拉低了很多。 最後的感想，新技術要想火，第一是提高生產力，第二是解決人性的問題，人都懶，害怕學習新的東西。

一門技術入門書，市面上通常流行兩個版本。 1，文字與代碼的組合 2，文字，代碼加圖片的組合 這本書屬於第一個版本，而且是代碼篇幅遠大於文字的版本，大量的代碼顯然不適合微信讀書，選擇性看看，從安裝到運行，從概念到實例都有提及，快速入個門。

作爲入門的flink書，講的很通俗易懂，一氣呵成的看完了，很多知識點講解的挺清楚的，而且有相應的代碼例子，感覺不囉嗦，對於入門確實是一本不錯的書籍。我之前使用flink場景主要是做些實時etl數據清洗處理，以及進行標籤話，做實時的用戶畫像。還有做一些實時監控，當初也是從spark streaming遷移到的flink，對於數據處理延遲以及減少堆積情況都有很不錯的提升。

1.就工具書來說，是講解flink的，講解基本使用，僅僅是入門而已，具體參數配置、閾值、自定義擴展、等等沒有交代 2.原理和實現沒有講述 3.綜合，本書適合半小時看個大概，準備入門flink的小白，就水平而言就是網文、博客或者PDF的檔次 以上僅個人觀後感

純api解讀，也很淺，多一些內容都沒有，簡單用來作爲了解

目前實時數據處理的應用場景越來越多，實時計算框架發展到現在，主要就是flink和spark了。這兩個框架最核心的區別就是世界觀的不同吧，flink的思想就是將所有數據看作流，批處理也只是一種特殊的有界流，而spark的核心是建立在rdd之上，spark-streaming本質上是微批處理。對於數據低延遲要求很高的領域，flink還是比較有優勢的。 目前flink也在向一站式解決方案努力，這兩款框架後面會有更加激烈的競爭，也許會像java和c#一樣互相借鑑互相進步吧。 本書對一些概念的講解、示例代碼的說明對我這種實時數據處理初學者來說還是很友好的，示例代碼也可以在以後的開發中作爲工具來查詢。但本書內容架構還是有點瑕疵，比如應該將框架的組件、概念等的說明文章放在前面更好。 看完本書，對一些概念還是似懂非懂，特別是watermark，還要多看看其他書啊。

喜歡watermark講解部分，還是通過例子理解起來更快。其餘的跟大多數資料講解的內容類似，算比較通俗易懂的，但是感覺還差雙流join之類的講解。入門讀的話還可以。

在當前flink文檔較少的情況下，內容算最全面的一本書了。倒是很奇怪不管是實例還是其他書籍實現時都不用官方主推的抽象table sql方法，還得以數據流來實現沒得，偷懶技能get失敗[微笑]

本書前幾個章節更像是官方文檔的導讀，中間幾個章節粗略的介紹了一下 Flink 高階 API 的使用，但考慮到 Flink 版本更新較快，因此最好還是根據文檔學習 API，最後一章通過兩個 demo 程序幫助更好的理解 Flink 的使用場景，重要的是學習如何在實際工作場景中去使用 Flink 解決實際問題。 如果沉得下心看官方文檔，還是推薦看官方文檔。反之，本書也不失爲一本 Flink 的入門首選。

簡潔清晰，demo貼近實戰，入門好書。對原理講解深度不夠。