Flink入门与实战

这本书脉络还是很清晰，讲场景，讲架构，讲组件，讲项目实战，flink就是大数据计算引擎的第四代，所谓站在巨人的肩膀上走得更远，和spark的区别就是真正的做到了毫秒级实时计算，流式处理和批处理。场景可以是日志分析、电商搜索排名、算法推荐、实时报表统计、实时监控、消息仅消费一次。架构就是Deploy、Core、API、Library。组件核心就是Datesource（输入），Transformation（算子），Datasink（输出）。输入可以从文件、socket、集合、自定义，算子支持map、flatmap等，输出支持文件，控制台打印，自定义，结合Apach Bahir可以支持kafka、redis、es、hdfs。 总结下台，大数据生态的技术，入门都不难，也能在项目中快速用起来，难的是项目中遇到性能问题后的优化，遇到稳定性问题的救火。然后这一关过了后，想要继续深挖，就需要研究代码，研究原理，研究数据结构与算法，研究论文，找到痛点，优化这个框架，犹如Tez的出现是为了解决MR的痛点，storm和spark的出现是为了解决流式计算，实时统计，而spark的出现是为了解决spark的伪批量，同时因为Flink提供了标准SQL，这一下子把门槛拉低了很多。 最后的感想，新技术要想火，第一是提高生产力，第二是解决人性的问题，人都懒，害怕学习新的东西。

一门技术入门书，市面上通常流行两个版本。 1，文字与代码的组合 2，文字，代码加图片的组合 这本书属于第一个版本，而且是代码篇幅远大于文字的版本，大量的代码显然不适合微信读书，选择性看看，从安装到运行，从概念到实例都有提及，快速入个门。

作为入门的flink书，讲的很通俗易懂，一气呵成的看完了，很多知识点讲解的挺清楚的，而且有相应的代码例子，感觉不啰嗦，对于入门确实是一本不错的书籍。我之前使用flink场景主要是做些实时etl数据清洗处理，以及进行标签话，做实时的用户画像。还有做一些实时监控，当初也是从spark streaming迁移到的flink，对于数据处理延迟以及减少堆积情况都有很不错的提升。

1.就工具书来说，是讲解flink的，讲解基本使用，仅仅是入门而已，具体参数配置、阈值、自定义扩展、等等没有交代 2.原理和实现没有讲述 3.综合，本书适合半小时看个大概，准备入门flink的小白，就水平而言就是网文、博客或者PDF的档次 以上仅个人观后感

纯api解读，也很浅，多一些内容都没有，简单用来作为了解

目前实时数据处理的应用场景越来越多，实时计算框架发展到现在，主要就是flink和spark了。这两个框架最核心的区别就是世界观的不同吧，flink的思想就是将所有数据看作流，批处理也只是一种特殊的有界流，而spark的核心是建立在rdd之上，spark-streaming本质上是微批处理。对于数据低延迟要求很高的领域，flink还是比较有优势的。 目前flink也在向一站式解决方案努力，这两款框架后面会有更加激烈的竞争，也许会像java和c#一样互相借鉴互相进步吧。 本书对一些概念的讲解、示例代码的说明对我这种实时数据处理初学者来说还是很友好的，示例代码也可以在以后的开发中作为工具来查询。但本书内容架构还是有点瑕疵，比如应该将框架的组件、概念等的说明文章放在前面更好。 看完本书，对一些概念还是似懂非懂，特别是watermark，还要多看看其他书啊。

喜欢watermark讲解部分，还是通过例子理解起来更快。其余的跟大多数资料讲解的内容类似，算比较通俗易懂的，但是感觉还差双流join之类的讲解。入门读的话还可以。

在当前flink文档较少的情况下，内容算最全面的一本书了。倒是很奇怪不管是实例还是其他书籍实现时都不用官方主推的抽象table sql方法，还得以数据流来实现没得，偷懒技能get失败[微笑]

本书前几个章节更像是官方文档的导读，中间几个章节粗略的介绍了一下 Flink 高阶 API 的使用，但考虑到 Flink 版本更新较快，因此最好还是根据文档学习 API，最后一章通过两个 demo 程序帮助更好的理解 Flink 的使用场景，重要的是学习如何在实际工作场景中去使用 Flink 解决实际问题。 如果沉得下心看官方文档，还是推荐看官方文档。反之，本书也不失为一本 Flink 的入门首选。

简洁清晰，demo贴近实战，入门好书。对原理讲解深度不够。