目录
第1章　大数据技术概述　1
1.1　大数据概念与关键技术　1
1.1.1　大数据概念　1
1.1.2　大数据关键技术　2
1.2　代表性大数据技术　3
1.2.1　Hadoop　3
1.2.2　Spark　7
1.2.3　Flink　10
1.2.4　Beam　11
1.3　在线资源　12
1.4　本章小结　13
1.5　习题　13
第2章　Flink的设计与运行原理　14
2.1　Flink简介　14
2.2　为什么选择Flink　15
2.2.1　传统数据处理架构　15
2.2.2　大数据Lambda架构　16
2.2.3　流处理架构　16
2.2.4　Flink是理想的流计算框架　17
2.2.5　Flink的优势　18
2.3　Flink应用场景　19
2.3.1　事件驱动型应用　19
2.3.2　数据分析应用　20
2.3.3　数据流水线应用　21
2.4　Flink中的统一数据处理方式　22
2.5　Flink核心组件栈　23
2.6　Flink工作原理　23
2.7　Flink编程模型　25
2.8　Flink的应用程序结构　25
2.9　Flink程序的并行度　26
2.10　Flink中的数据一致性　27
2.10.1　有状态计算　27
2.10.2　数据一致性　28
2.10.3　异步屏障快照机制　28
2.11　本章小结　29
2.12　习题　29
第3章　大数据实验环境搭建　30
3.1　Linux系统的安装　30
3.1.1　下载安装文件　30
3.1.2　Linux系统的安装方式　31
3.1.3　安装Linux系统　32
3.2　Hadoop的安装　38
3.2.1　Hadoop版本简介　38
3.2.2　安装Hadoop前的准备工作　38
3.2.3　Hadoop的3种安装模式　41
3.2.4　下载Hadoop安装文件　41
3.2.5　单机模式配置　41
3.2.6　伪分布式模式配置　42
3.2.7　分布式模式配置　45
3.3　MySQL的安装　56
3.3.1　执行安装命令　56
3.3.2　启动MySQL服务　56
3.3.3　进入MySQL Shell界面　56
3.3.4　解决MySQL出现的中文乱码问题　57
3.4　Kafka的安装　58
3.4.1　Kafka简介　58
3.4.2　Kafka的安装和使用　59
3.5　本章小结　60
3.6　习题　60
实验1　Linux、Hadoop和MySQL的安装和使用　60
第4章　Flink环境搭建和使用方法　63
4.1　安装单机模式Flink　63
4.1.1　基础环境　63
4.1.2　安装Java环境　63
4.1.3　下载安装文件　64
4.1.4　修改配置文件　64
4.1.5　启动Flink　64
4.1.6　查看Web管理页面　65
4.1.7　运行样例程序　65
4.1.8　停止Flink　65
4.2　使用IntelliJ IDEA开发Flink应用程序　65
4.2.1　下载和安装IDEA　66
4.2.2　启动IDEA　66
4.2.3　使用IDEA开发WordCount程序　66
4.3　向Flink提交运行程序　70
4.3.1　使用命令提交运行程序　70
4.3.2　在Web管理页面中提交运行程序　71
4.4　设置任务并行度　73
4.5　Flink集群（Standalone模式）搭建　74
4.5.1　配置集群基础　74
4.5.2　在集群中安装Java环境　75
4.5.3　设置SSH无密码登录　75
4.5.4　安装和配置Flink　75
4.5.5　启动Flink集群　77
4.5.6　查看Flink集群信息　77
4.5.7　运行WordCount样例程序　78
4.5.8　关闭Flink集群　79
4.6　运行模式　79
4.6.1　会话模式　79
4.6.2　单作业模式　80
4.6.3　应用模式　80
4.7　Standalone部署模式下的不同运行模式　81
4.8　YARN部署模式下的不同运行模式　81
4.8.1　YARN模式集群配置　82
4.8.2　配置会话模式　83
4.8.3　配置单作业模式　85
4.8.4　配置应用模式　86
4.9　历史服务器　87
4.10　本章小结　88
4.11　习题　88
实验2　Flink的安装和使用　89
第5章　DataStream API　90
5.1　DataStream编程模型　90
5.1.1　数据源　91
5.1.2　数据转换　100
5.1.3　数据输出　123
5.2　窗口的划分　126
5.3　时间概念　127
5.4　窗口计算　128
5.4.1　窗口计算程序的结构　128
5.4.2　窗口分配器　129
5.4.3　窗口计算函数　132
5.4.4　触发器　140
5.4.5　驱逐器　143
5.5　水位线　146
5.5.1　水位线原理　146
5.5.2　水位线的设置方法　149
5.5.3　内置水位线生成策略　149
5.6　延迟到达数据处理　162
5.7　基于双流的合并　165
5.7.1　窗口连接　165
5.7.2　间隔连接　167
5.8　状态编程　171
5.8.1　状态的定义　172
5.8.2　状态的类型　172
5.8.3　键控状态　174
5.9　处理函数　183
5.9.1　处理函数的功能和作用　183
5.9.2　处理函数的分类　184
5.9.3　KeyedProcessFunction　184
5.9.4　ProcessAllWindowFunction　189
5.9.5　KeyedProcessFunction　192
5.10　本章小结　198
5.11　习题　198
实验3　Flink DataStream API编程实践　198
第6章　Table API&SQL　203
6.1　流处理中的表　203
6.1.1　传统关系数据库的SQL处理与流处理的区别　203
6.1.2　动态表和持续查询　204
6.1.3　将流转换为动态表　204
6.1.4　用SQL持续查询　205
6.1.5　将动态表转换为流　206
6.2　编程模型　207
6.2.1　程序执行原理　207
6.2.2　程序结构　208
6.2.3　TableEnvironment　210
6.2.4　输入数据　210
6.2.5　查询表　215
6.2.6　输出数据　218
6.2.7　表和DataStream的相互转换　221
6.2.8　时间属性　223
6.3　Table API　224
6.3.1　Table API应用实例　224
6.3.2　扫描、投影和过滤　225
6.3.3　列操作　226
6.3.4　聚合操作　227
6.3.5　连接操作　229
6.3.6　集合操作　230
6.3.7　排序操作　231
6.3.8　插入操作　231
6.3.9　滚动窗口　231
6.3.10　滑动窗口　231
6.3.11　会话窗口　232
6.3.12　基于行的操作　232
6.4　SQL　239
6.4.1　Flink SQL Client　239
6.4.2　数据定义　241
6.4.3　数据查询与过滤操作　245
6.4.4　聚合操作　245
6.4.5　连接操作　249
6.4.6　集合操作　250
6.5　Catalog　251
6.5.1　Catalog的分类　251
6.5.2　JdbcCatalog　252
6.6　自定义函数　253
6.6.1　标量函数　253
6.6.2　表值函数　255
6.6.3　聚合函数　256
6.6.4　表聚合函数　257
6.7　本章小结　259
6.8　习题　259
实验4　Table API&SQL编程实践　259
参考文献　264