大数据开发之Flink从入门到精通-弘学教育-在线职业教育平台

1 大数据开发之Flink从入门到精通
1. 01_01_什么是Flink
  
  00:22:15
2. 01_02_应用场景和前景
  
  00:09:16
3. 02_01_01_为什么选scala
  
  00:10:26
4. 02_01_02_scala 变量声明
  
  00:15:06
5. 02_01_03_scala Range和类型推断
  
  00:12:12
6. 02_01_04_scala循环
  
  00:21:08
7. 02_01_05_try catch
  
  00:09:09
8. 02_01_06_模式匹配
  
  00:15:42
9. 02_01_07_scala列表
  
  00:17:52
10. 02_01_08_scala映射表
  
  00:10:30
11. 02_01_09_scala高级操作
  
  00:14:00
12. 02_02_01_Flink安装讲解
  
  00:25:32
13. 02_02_02_Flink wordcount demo
  
  00:24:17
14. 02_02_03_打包运行
  
  00:16:57
15. 02_03_01_kafka安装讲解
  
  00:25:05
16. 02_03_02_kafka produce api讲解
  
  00:22:11
17. 02_03_03_kafka consumer api讲解
  
  00:16:39
18. 03_01_01_flink source之file
  
  00:11:06
19. 03_01_02_flink source之json
  
  00:11:54
20. 03_01_03_flink source之csv
  
  00:13:17
21. 03_01_04_flink source之mysql
  
  00:18:40
22. 03_02_01_flink transformation之Map、flatmap、reduce
  
  00:29:40
23. 03_02_02_flink transformation之Mapparttion、reduceGroup
  
  00:18:49
24. 03_02_03_flink transformation之filter
  
  00:13:56
25. 03_02_04_flink transformation之aggregate
  
  00:13:15
26. 03_02_05_flink transformation之join及优化
  
  00:31:59
27. 03_03_01_Flink Sink之Text
  
  00:22:56
28. 03_03_02_Flink Sink之CSV
  
  00:17:49
29. 03_03_03_Flink Sink之mysql
  
  00:14:39
30. 03_04_01_Flink iterate
  
  00:07:28
31. 03_04_02_Flink iterate案例讲解
  
  00:07:41
32. 03_04_03_Flink iterate
  
  00:09:35
33. 03_05_01_语义标注概念
  
  00:08:30
34. 03_05_02_语义标注案例
  
  00:23:41
35. 03_06_01_Flink 广播变量概念
  
  00:10:54
36. 03_06_02_Flink 广播变量实例
  
  00:23:23
37. 03_07_01_Flink 分布式缓存
  
  00:23:17
38. 03_08_01_Flink params传参
  
  00:10:24
39. 03_08_02_Flink GlobalCnfig传参
  
  00:13:33
40. 04_01_一个栗子
  
  00:27:27
41. 01_01_什么是Flink
  
  00:22:15
42. 01_02_应用场景和前景
  
  00:09:16
43. 02_01_01_为什么选scala
  
  00:10:26
44. 02_01_02_scala 变量声明
  
  00:15:06
45. 02_01_03_scala Range和类型推断
  
  00:12:12
46. 02_01_04_scala循环
  
  00:21:08
47. 02_01_05_try catch
  
  00:09:09
48. 02_01_06_模式匹配
  
  00:15:42
49. 02_01_07_scala列表
  
  00:17:52
50. 02_01_08_scala映射表
  
  00:10:30
51. 02_01_09_scala高级操作
  
  00:14:00
52. 02_02_01_Flink安装讲解
  
  00:25:32
53. 02_02_02_Flink wordcount demo
  
  00:24:17
54. 02_02_03_打包运行
  
  00:16:57
55. 02_03_01_kafka安装讲解
  
  00:25:05
56. 02_03_02_kafka produce api讲解
  
  00:22:11
57. 02_03_03_kafka consumer api讲解
  
  00:16:39
58. 03_01_01_flink source之file
  
  00:11:06
59. 03_01_02_flink source之json
  
  00:11:54
60. 03_01_03_flink source之csv
  
  00:13:17
61. 03_01_04_flink source之mysql
  
  00:18:40
62. 03_02_01_flink transformation之Map、flatmap、reduce
  
  00:29:40
63. 03_02_02_flink transformation之Mapparttion、reduceGroup
  
  00:18:49
64. 03_02_03_flink transformation之filter
  
  00:13:56
65. 03_02_04_flink transformation之aggregate
  
  00:13:15
66. 03_02_05_flink transformation之join及优化
  
  00:31:59
67. 03_03_01_Flink Sink之Text
  
  00:22:56
68. 03_03_02_Flink Sink之CSV
  
  00:17:49
69. 03_03_03_Flink Sink之mysql
  
  00:14:39
70. 03_04_01_Flink iterate
  
  00:07:28
71. 03_04_02_Flink iterate案例讲解
  
  00:07:41
72. 03_04_03_Flink iterate
  
  00:09:35
73. 03_05_01_语义标注概念
  
  00:08:30
74. 03_05_02_语义标注案例
  
  00:23:41
75. 03_06_01_Flink 广播变量概念
  
  00:10:54
76. 03_06_02_Flink 广播变量实例
  
  00:23:23
77. 03_07_01_Flink 分布式缓存
  
  00:23:17
78. 03_08_01_Flink params传参
  
  00:10:24
79. 03_08_02_Flink GlobalCnfig传参
  
  00:13:33
80. 04_01_一个栗子
  
  00:27:27
81. 04_02_流式计算概览
  
  00:09:09
82. 04_03_Flink Stream事件讲解
  
  00:20:07
83. 04_04_生成水印
  
  00:21:48
84. 04_05_scala代码讲解
  
  00:15:57
85. 04_06_punctuated watermark
  
  00:31:50
86. 04_07_waermark scala版本
  
  00:12:42
87. 05_01_状态和容错
  
  00:14:40
88. 05_02_状态含义理解
  
  00:15:15
89. 05_03_状态操作
  
  00:19:36
90. 05_04_scala状态操作
  
  00:14:37
91. 05_05_Operator State讲解
  
  00:06:45
92. 05_06_托管状态案例
  
  00:22:02
93. 05_07_broadcast State讲解
  
  00:07:39
94. 05_08_broadcast state代码编写
  
  00:21:06
95. 05_09_checkpoint概念讲解
  
  00:12:13
96. 05_10_启用checkpoint
  
  00:11:31
97. 05_11_state backends讲解
  
  00:06:21
98. 05_12_checkpoint代码讲解
  
  00:10:20
99. 05_13_chekpoint scala代码
  
  00:02:09
100. 05_14_checkpoint其他配置
  
  00:04:28
101. 05_15_queryable state讲解
  
  00:09:28
102. 05_16_queryable state代码演练
  
  00:13:41
103. 06_01_Flink windows概览
  
  00:18:54
104. 06_02_TumblingTimeWindows
  
  00:24:21
105. 06_03_TumblingProsessWindow scala讲解
  
  00:08:27
106. 06_04_TumblingEventwindow讲解
  
  00:27:04
107. 06_05_TumblingEventWindow scala
  
  00:11:47
108. 06_06_TumblingWindow指定偏移
  
  00:06:16
109. 06_07_Sliding windows讲解
  
  00:11:25
110. 06_08_SlidingProcessWindows Scala讲解
  
  00:04:28
111. 06_09_SlidingEventWindows讲解
  
  00:17:35
112. 06_10_session wiondows讲解
  
  00:08:54
113. 06_11_session windowjava讲解
  
  00:23:35
114. 06_12_SessionWindows Scala讲解
  
  00:14:04
115. 06_13_session processing window讲解
  
  00:13:54
116. 06_14_trigger讲解
  
  00:20:34
117. 06_15_Evictor讲解
  
  00:09:22
118. 06_16_allowedLateness讲解
  
  00:26:48
119. 06_18_window function讲解
  
  00:09:53
120. 06_19_ReduceFunction讲解
  
  00:12:18
121. 06_20_AggregateFunction讲解
  
  00:25:06
122. 06_21_foldFunction讲解
  
  00:11:12
123. 06_22_processwindowFunction讲解
  
  00:18:14
124. 06_23_processwindowFunction的高效聚合
  
  00:21:32
125. 06_24_processFunction
  
  00:25:28
126. 07_01_Operator函数简介
  
  00:03:02
127. 07_02_常用Operator函数讲解
  
  00:26:32
128. 07_03_window Operator讲解
  
  00:11:20
129. 07_04_Join Operator讲解
  
  00:36:15
130. 07_05_Join Operator代码讲解
  
  00:25:44
131. 07_06_CoGroup讲解
  
  00:14:26
132. 07_07_Connect讲解
  
  00:10:51
133. 07_08_window split讲解
  
  00:16:20
134. 07_09_iterator讲解
  
  00:45:32
135. 07_10_Flink分区讲解
  
  00:03:38
136. 07_10_project讲解
  
  00:02:44
137. 07_11_Custom partitioning讲解
  
  00:17:12
138. 07_12_Random Partition讲解
  
  00:13:53
139. 07_13_task chains讲解
  
  00:23:18
140. 07_14_Stream Source&Sink
  
  00:17:18
141. 07_15_Flink kafka讲解
  
  00:49:14
142. 07_16_kafka-connectorsscala讲解
  
  00:20:07
143. 07_17_flink-kafka容错
  
  00:12:27
144. 07_18_redis sink example
  
  00:23:55
145. 08_01_table&sql讲解
  
  00:40:37
146. 08_02_query in table&sql
  
  00:08:25
147. 08_03_stream和dataset注册成table
  
  00:16:07
148. 08_04_数据类型映射成表实战
  
  00:24:26
149. 08_05_table Streaming讲解
  
  00:15:22
150. 08_06_table 转为Stream
  
  00:05:52
151. 08_07_table时间属性
  
  00:32:40
152. 08_08_table event时间属性
  
  00:12:34
153. 08_09_查询配置
  
  00:07:35
154. 08_10_table api
  
  00:07:12
155. 08_11_Table API operator案例
  
  00:10:39
156. 08_12_table ApI operator实时处理
  
  00:17:47
157. 08_13_table window讲课
  
  00:13:12
158. 08_14_over window实战讲解
  
  00:27:57
159. 08_15_SQL API
  
  00:25:51
160. 08_16_SQL windowAPI讲解
  
  00:26:27
161. 08_17_SQL HOP&Session Window
  
  00:18:40
162. 08_18_kafkacsvtablesource讲解
  
  00:32:54
163. 08_19_csvtablesource讲解
  
  00:12:36
164. 08_20_自定义UDF介绍
  
  00:08:45
165. 08_21_自定义标量函数
  
  00:20:50
166. 08_22_自定义表函数讲解
  
  00:18:48
167. 08_23_自定义聚合函数讲解
  
  00:28:28
168. 08_24_新功能sqlclient讲解
  
  00:28:49
169. 08_25_Flink CEP概述
  
  00:14:05
170. 08_26_CEP基本案例介绍
  
  00:30:10
171. 08_27_CEP实战案例讲解
  
  1:16:46
172. 09_01_Flink实战-风控概述
  
  00:20:26
173. 09_02_Flink实战-Flink环境代码编写
  
  00:33:52
174. 09_03_Flink实战-时间属性设置
  
  00:17:45
175. 09_04_Flink实战-checkpoint代码编写
  
  00:19:07
176. 09_05_Flink实战-kafka数据源代码编写
  
  00:33:06
177. 09_06_Flink实战-watermark代码编写
  
  00:22:51
178. 09_07_Flink实战-用户IP访问限制
  
  00:20:03
179. 09_08_Flink实战-用户登录盗号嫌疑分析
  
  00:15:19
180. 09_09_Flink实战-黑名单的输出
  
  00:29:02
181. 09_10_Flink实战-去重算法讲解
  
  00:43:50
182. 09_11_Flink实战-redisSink
  
  00:14:56
183. 09_12_Flink实战-各城市访问人数
  
  00:47:43
184. 09_13_Flink实战-项目总结
  
  00:10:49

大数据开发之Flink从入门到精通

1011人在学

公众号

小程序

课程详情

我要提问

这几年大数据的飞速发展，出现了很多热门的开源社区，其中著名的有 Hadoop、Storm，以及后来的 Spark，他们都有着各自专注的应用场景。Spark 掀开了内存计算的先河，也以内存为赌注，赢得了内存计算的飞速发展。Spark 的火热或多或少的掩盖了其他分布式计算的系统身影。就像 Flink，也就在这个时候默默的发展着。
Flink 是一个针对流数据和批数据的分布式处理引擎。它主要是由 Java 代码实现。目前主要还是依靠开源社区的贡献而发展。对 Flink 而言，其所要处理的主要场景就是流数据，批数据只是流数据的一个极限特例而已。再换句话说，Flink 会把所有任务当成流来处理，这也是其最大的特点。
这流处理和批处理统一的背景下，录制了这门课程。

1.课程研发环境
开发工具:IDEA;
数据库工具:redis 2.9.0 mysql 5.7
其他工具:kafka 0.10

2.内容简介
Flink核心是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎，Flink提供了诸多更高抽象层的API以便用户编写分布式任务：
DataSet API，对静态数据进行批处理操作，将静态数据抽象成分布式的数据集，用户可以方便地使用Flink提供的各种操作符对分布式数据集进行处理，支持Java。
DataStream API，对数据流进行流处理操作，将流式的数据抽象成分布式的数据流，用户可以方便地对分布式数据流进行各种操作，支持Java和Scala。
Table API，对结构化数据进行查询操作，将结构化数据抽象成关系表，并通过类SQL的DSL对关系表进行各种查询操作，支持Java和Scala。
CEP API，对复杂时间处理，提供了自己的处理方式。
最后以风控项目结尾，更加切合实际的巩固知识。

JOJO老师：
多年任职一线互联网企业大数据开发，丰富的生产项目经验，专注于离线和实时数据处理，精通spark、kafka、flink等处理框架。

第一、基础技能储备
1.Scala基础讲解
2.Flink安装介绍

第二、Flink DataSet讲解
1.DataSet转换算子
2.DataSet数据源
3.DataSet数据接收
4.DataSet数据迭代
5.DataSet语义标注
6.DataSet广播变量
7.DataSet分布式缓存

第三、Flink Dstream讲解
1.Windows分配器(Tumbling Sliding Session Global)
2.Window 函数数据来源统计分析
3.触发器
4.延迟策略和水印

第四、Flink SQL讲解
1.Flink SQL基本概念
2.流式SQL处理
3.Table Api & SQL
4.表的输入源和输出
5.自定义UDF
6.Flink SQL客户端

第五、Flink 打包运行
1.Flink执行配置
2.Flink程序执行计划
3.Flink重启策略

第六、Flink CEP
1.概念介绍
2.模式API
3.检测模式
4.事件迟到处理

第七、实时风控项目
1.项目背景需求介绍
2.基于规则的实时交易次数统计
3.基于规则的实时交易频数统计
4.基于规则的交易风险统计
5.10亿数量级交易去重算法讲解
6.交易规则库的添加
7.风控黑名单单入库(mysql/redis展示)
8.基于规则的实时登陆地点限制

目标一. 了解Flink的环境配置
目标二. 了解Flink相关调优和原理
目标三. 掌握Flink相关java、scala代码编写
目标四. 掌握Flink相关复杂事件处理
目标五. 风控知识相关学习

亮点一、实战驱动、全程代码编写

亮点二、原理、调优讲解

1.课程针对人群
本课程针对具有一定的java、scala基础（不要求懂scala）与相关大数据框架经验，想通过本项目的学习，了解使用Flink相关原理和代码编写的相关开发人员。

2.我该怎么学,如何才能学好这门课程，给些建议。
2.1、时间上的安排建议
本课程共65讲，如果您时间上充分，建议以每天4-5讲的进度往前学习。
2.2、学习要求
如果您没有基础，建议还是中规中矩的按照课程进度一点一点仔细观看学习，并一定要把看完的视频中的代码自己手敲一遍，以加深理解和记忆
如果您有基础，可不必按部就班进行，可以拿你感兴趣的部分去学习，但一定要注意实践，并学会举一反三
2.3、讲师建议
1.最好看完视频之后，抛开视频，独立自己去把上课中的示例写一遍，看自己是否理解，如果不正确，可以回过头看再看下视频，如果反复，达到真正理解和熟练掌握的目的。
2.对于项目实战部分，一定要自己亲自动手做一遍，不要满足听完就OK了
3. 建议一边听视频，一边拿个纸和笔，做一些记录和笔记，这是一种非常好的学习习惯。
4. 一定不要过于依赖视频，要学会看API和使用百度，学会思考，学会举一反三
5. 最后祝您学有所成

课程是属于某个特定的专业技术，掌握该技术后，你可以从事以下职位的相关工作
1.大数据开发工程师

评价（0）立即评论

登录

手机号码绑定