本书概要
对于提前发布的电子书来说，你得到的是最原始的内容，甚至没有经过作者的编辑，因此你可以早在官方正式发布之前就利用其中的技术。此外，在本书有重大修改、新章节更新以及最终的电子书发布的时候，都会收到更新提示。
开始学习Apache Flink吧，这套开源框架让你驾驭流式数据处理，诸如用户的交互行为、传感器数据和机器日志等。通过这套实用指南，你将学会使用Apache Flink的流处理API来实现、持续运行和维护实际的程序。
作者之一Fabian Hueske是Flink的创建者，另外一位作者Vasia Kalavri是Flink图处理API (Gelly)的核心贡献者。他们解释了并行处理的基本概念，告诉你流式分析与传统批处理数据分析的区别。通过此书，软件工程师、数据工程师以及系统管理员将会学到Flink的DataStream API的基础知识，包括它的架构和一个基本的Flink流处理程序的组件。
- 使用Apache Flink的DataStream API来解决现实世界的问题
- 为开发一个Flink的流处理程序创建一个环境
- 设计流式程序并且将周期的批处理工作迁移到持续的流处理工作上
- 学习处理一组记录的窗口操作
- 将数据流提取到一个DataStream程序，并将结果流发到不同的存储系统中
- 实现流处理应用中创建有状态以及自定义运算
- 操作、维护和更新持续运行的Flink流处理程序
- 研究几个部署选项，包括高可用安装的配置
出版社资源
勘误页：http://oreilly.com/catalog/0636920057321/errata
关于出版社
O Reilly Media通过在线和面对面的培训、书籍、视频、研究和会议传播创新者的知识。自1978年以来，O Reilly一直是前沿技术发展的记录者和催化剂，瞄准了……
目录
- 有状态的流处理介绍
- 传统的数据结构
- 有状态的流处理
- 事件驱动的应用
- 数据管道与实时ETL
- 流式分析
- 开源流处理的演进
- Flink尝鲜
- 你将在这本书中学到什么
- 流处理的基本原理
- Dataflow编程模型介绍
- Dataflow图
- 数据并行与任务并行
- 数据交换策略
- 并行处理无限流
- 延迟与吞吐量
- 数据量的操作
- 时间语义
- 一分钟是什么意思
- 处理时间
- 事件时间
- 水印
- 处理时间 VS 事件时间
- 状态与一致性模型
- 任务失败
- 结果保证
- 小结
- Dataflow编程模型介绍
- Apache Flink的架构
- 系统架构
- Flink组件配置
- 应用部署
- 任务执行
- 高可用配置
- Flink中的数据传输
- 高吞吐和低延迟
- 背压流量控制
- 事件时间的处理
- 时间戳
- 水印
- 水印与事件时间
- 时间戳分配和水印生成
- 状态管理
- 操作符状态
- 带键的（keyed）状态
- 后端状态
- 扩展状态操作符
- 检查点、保存点以及状态恢复
- 一致性检查点
- 从一致性检查点恢复
- Flink的轻量级检查点算法
- 保存点
- 小结
- 系统架构
- 搭建Apache Flink的开发环境
- 软件要求
- 在IDE中运行和调试Flink程序
- 在你的IDE中导入书中的案例
- 在IDE中运行Flink程序
- 在IDE中调试Flink程序
- Flink的maven项目开发向导
- DataStream的API（v1.4.0）
- 你好，Flink！
- 设置运行时环境
- 读取输入流
- 应用转换
- 输出结果
- 执行
- 类型
- 支持的数据类型
- 类型提示
- TypeInformation介绍
- 转换
- 基本的转换
- 带键流的转换
- 多流转换
- 分区转换
- 并行设置
- 引用字段（field）和定义键（key）
- 定义UDF
- 添加Flink以及外部的依赖
- 小结
- 你好，Flink！
- 基于时间和窗口的操作符
- 时间特征配置
- 程序中事件时间的时间戳和水印
- 水印、延迟和完整性
- 处理函数
- 计时服务和计时器
- Emitting to Side Outputs
- CoProcessFunction介绍
- 窗口操作符
- 定义窗口操作符
- 内置的Window Assigners
- 在窗口上应用函数
- 自定义窗口操作符
- 实时的流Join
- 处理迟到的数据
- 丢弃迟到的事件
- 重定向迟到的事件
- 使用迟到的事件来更新结果
- 小结
- 时间特征配置
- 状态操作符和用户函数
- 实现有状态的函数
- 在RuntimeContext中声明带键状态
- 使用ListCheckpointed接口实现操作符列表状态（Operator List State）
- 使用连接的广播状态（Connected Broadcast State）
- 使用CheckpointedFunction接口
- 接收已完成的检查点的通知
- 有状态程序的鲁棒性和性能
- 选择一个状态后端（State Backend）
- 启用检查点
- 更新状态操作符
- 优化有状态程序的性能
- 防止状态泄露
- 可查询的状态
- 架构和启用可查询的状态
- 暴露可查询的状态
- 从外部程序中查询状态
- 小结
- 实现有状态的函数
- 外部系统的读写
- 应用一致性保证
- 提供的连接器
- Apache Kafka的source连接器
- Apache Kafka的sink连接器
- 文件系统的source连接器
- 文件系统的sink连接器
- Apache Cassandra的sink连接器
- 实现一个自定义source函数
- 可重置的source函数
- source函数、时间戳和水印
- 实现一个自定义sink函数
- 幂等的sink连接器
- 事务性的sink连接器
- 异步访问外部系统
- 小结
- 为流处理程序搭建Flink
- 部署模式
- 独立集群
- Docker
- Apache Hadoop YARN
- Kubernetes
- 高可用配置
- 高可用的独立部署配置
- 高可用的YARN部署配置
- 高可用的Kubernetes配置
- 与Hadoop组件的集成
- 文件系统配置
- 系统配置
- Java和类加载
- CPU
- 主存
- 磁盘存储器
- 状态后端、检查点以及恢复
- 安全
- 小结
- 部署模式
