[510] Flink+ClickHouse 玩转企业级实时大数据开发 - 逐步深入，直通企业面试题，轻松达到Flink中级开发水平

网盘链接：

1. Flink认知篇

• 1-1 课前须知，这里有你需要了解得一切
• 1-2 课程目录
• 1-3 业界大数据分布式计算框架
• 1-4 初识Flink
• 1-5 什么是Flink
• 1-6 【科普小贴士】Flink发展史&特点&行业应用
• 1-7 学习一个新框架的方法论

2. Flink本地开发快速上手篇

• 2-1 课程目录
• 2-2 Maven部署
• 2-3 IDEA社区版和旗舰版区别
• 2-4 基于官方提供的命令来构建Flink项目
• 2-5 基于IDEA构建多module的Flink项目
• 2-6 Flink编程模型
• 2-7 基于Flink开发第一个实时处理案例之需求分析
• 2-8 基于Flink开发第一个实时处理案例之功能实现一
• 2-9 基于Flink开发第一个实时处理案例之功能实现二
• 2-10 基于Flink开发第一个实时处理案例之功能实现三
• 2-11 基于Flink开发第一个批处理案例之需求分析
• 2-12 基于Flink开发第一个批处理案例之功能实现
• 2-13 基于Flink开发第一个批处理案例之功能实现重构
• 2-14 基于Flink编程套路总结
• 2-15 本章重难点总结
• 2-16 【讨论题】关于数据结果的思考
• 2-17 【任务题】Lambda 表达式版案例实现

3. Flink部署篇

• 3-1 课程目录
• 3-2 【环境配置】云主机开通及配置
• 3-3 Flink架构
• 3-4 Flink部署
• 3-5 Flink UI参数讲解
• 3-6 通过命令行方式提交&展示&取消Flink作业
• 3-7 通过UI方式提交&展示&取消Flink作业
• 3-8 关于并行度的补充
• 3-9 【讨论题】知识梳理
• 3-10 【任务题】Flink集群部署应用

4. Flink实时处理核心API基础篇

• 4-1 课程目录
• 4-2 DataStream API概述
• 4-3 StreamExecutionEnvironment详解
• 4-4 Source概述
• 4-5 Source API编程之Socket及并行度
• 4-6 Source API编程之并行集合及并行度
• 4-7 【核心组件部署】ZooKeeper&Kafka部署
• 4-8 Source API编程之对接Kafka数据
• 4-9 Transformation概述
• 4-10 Transformation算子之map
• 4-11 Transformation算子之filter
• 4-12 Transformation算子之flatMap
• 4-13 Transformation算子之keyBy
• 4-14 Transformation算子之reduce
• 4-15 Sink概述
• 4-16 Sink之print&printToErr及并行度
• 4-17 【任务题】词频统计
• 4-18 【任务题】Kafka消息的发送和接收
• 4-19 【任务题】readTextFile的并行度
• 4-20 【面试讨论题】Flink中的并行度
• 4-21 【面试讨论题】Task Slot的理解

5. Flink实时处理核心API进阶篇

• 5-1 课程目录
• 5-2 MapFunction&RichMapFunction认识
• 5-3 通过RichMapFunction认识对应的生命周期方法
• 5-4 SourceFunction代码层级
• 5-5 自定义单并行度Source
• 5-6 自定义多并行度Source
• 5-7 自定义Source读取MySQL数据
• 5-8 Transformation算子之union
• 5-9 Transformation算子之connect
• 5-10 Transformation算子之CoMapFunction
• 5-11 Transformation算子之CoFlatMapFunction
• 5-12 自定义分区器
• 5-13 自定义MySQLSink需求分析
• 5-14 自定义MySQLSink功能实现
• 5-15 RedisSink功能实现
• 5-16 【核心组件部署】Redis部署
• 5-17 【任务题】自定义RedisSink
• 5-18 【任务题】自定义数据源
• 5-19 【面试讨论题】Flink中的分区策略
• 5-20 【面试讨论题】Flink DataStream中使用得算子

6. 【项目实战第一篇】基于Flink+ClickHouse构建大数据实时分析项目实战

• 6-1 课程目录
• 6-2 同类产品分析
• 6-3 项目架构
• 6-4 项目子工程创建
• 6-5 字段说明
• 6-6 用户行为日志类定义
• 6-7 功能一需求分析
• 6-8 功能一实现之数据清洗
• 6-9 功能一实现之统计分析
• 6-10 功能一实现之统计结果入Redis
• 6-11 功能一实现之拓展
• 6-12 需求二之功能分析
• 6-13 需求二之IP解析测试
• 6-14 功能二实现之自定义UDF函数解析IP地址
• 6-15 功能二实现之统计分析及入库
• 6-16 需求二之异步IO补充
• 6-17 前面两个需求可能会遇到的问题提炼
• 6-18 重难点总结
• 6-19 【任务题】统计新老用户的数据分布（1）
• 6-20 【任务题】统计新老用户的数据分布（2）
• 6-21 【任务题】统计结果存储
• 6-22 【面试讨论题】在数据清洗过程中做过的处理
• 6-23 【面试讨论题】使用Flink做实时处理项目架构选型

7. Flink时间语义及Window API篇

• 7-1 课程目录
• 7-2 时间三兄弟
• 7-3 时间三兄弟举例解释
• 7-4 初识Window
• 7-5 Window分类
• 7-6 Window Assigner
• 7-7 滚动窗口
• 7-8 滑动窗口
• 7-9 会话窗口
• 7-10 窗口生命周期
• 7-11 基于ProcessingTime的Non-Keyed滚动窗口实战
• 7-12 基于ProcessingTime的Keyed滚动窗口实战
• 7-13 WindowFunction概述
• 7-14 WindowFunction之ReduceFunction实战
• 7-15 WindowFunction补充
• 7-16 WindowFunction之ProcessWindowFunction实战
• 7-17 重难点总结
• 7-18 【任务题】会话窗口编程
• 7-19 【任务题】滑动窗口编程
• 7-20 【面试讨论题】数据倾斜解决方案
• 7-21 【面试讨论题】对WindowFunction的认识
• 7-22 【面试讨论题】对于时间语义的理解
• 7-23 【面试讨论题】Flink中的窗口分析

8. Flink Watermark

• 8-1 课程目录
• 8-2 Watermark概述
• 8-3 基于EventTime和Watermark结合滚动窗口综合案例之没有延迟
• 8-4 基于EventTime和Watermark结合滚动窗口综合案例之有延迟
• 8-5 基于EventTime和Watermark结合滚动窗口综合案例之延迟数据丢失
• 8-6 基于EventTime和Watermark结合滚动窗口综合案例之捕获到延迟数据
• 8-7 重难点总结
• 8-8 【任务题】会话窗口编程
• 8-9 【任务题】滑动窗口编程
• 8-10 【面试讨论题】乱序数据解决方案
• 8-11 【面试讨论题】Flink中水印得理解

9. Flink状态管理篇

• 9-1 课程目录
• 9-2 状态能为什么带来什么
• 9-3 State分类
• 9-4 使用ValueState完成求平均数功能
• 9-5 使用MapState完成求平均数功能
• 9-6 Flink Checkpoint机制
• 9-7 Flink应用程序中开启checkpoint
• 9-8 Restart Strategy
• 9-9 Checkpoint整合重启策略功能测试screenflow
• 9-10 Checkpoint整合重启策略及状态功能测试screenflow
• 9-11 Flink StateBackend
• 9-12 Flink StateBackend之MemoryStateBackend
• 9-13 Flink StateBackend之FsStateBackend
• 9-14 Flink StateBackend之RocksDBStateBackend
• 9-15 FsStateBackend 本地文件系统功能测试
• 9-16 ExternalizedCheckpointCleanup在生产上的使用
• 9-17 FsStateBackend HDFS功能测试
• 9-18 Checkpoint全流程测试之Flink UI操作
• 9-19 Checkpoint全流程测试之命令行操作
• 9-20 Checkpoint小结
• 9-21 Savepoints
• 9-22 重难点总结
• 9-23 【任务题】使用ListState实现求平均数
• 9-24 【任务题】RocksDBStateBackend应用
• 9-25 【面试讨论题】Flink的容错机制
• 9-26 【面试讨论题】Checkpoint和SavePoint的区别
• 9-26 【面试讨论题】Flink中的状态存储

10. 【项目实战第二篇】基于Flink+ClickHouse构建大数据实时分析项目实战

• 10-1 课程目录
• 10-2 功能一之需求分析
• 10-3 功能一之实现01
• 10-4 功能一之实现02
• 10-5 功能一之实现03
• 10-6 功能二之需求分析
• 10-7 功能二之实现01
• 10-8 功能二之实现02
• 10-9 重难点总结
• 10-10 【任务题】布隆过滤器的原理
• 10-10 【任务题】ValueState应用
• 10-11 【面试讨论题】布隆过滤器应用分析
• 10-12 【面试讨论题】分组TopN的实现思路及数据倾斜的解决方案

11. 【项目实战第三篇】基于Flink+ClickHouse构建大数据实时分析项目实战

• 11-1 课程目录
• 11-2 Flink对接Kafka数据入门
• 11-3 Flink整合Kafka代码开发
• 11-4 参数配置化并读取
• 11-5 Flink对接Kafka完整参数配置开发
• 11-6 Flink对接Kafka数据封装V1版本
• 11-7 Flink对接Kafka数据封装V2版本
• 11-8 Flink对接Kafka数据封装V3版本
• 11-9 Flink对接Kafka数据分析结果入Redis
• 11-10 Flink ExactlyOnce图解
• 11-11 Flink两阶段提交
• 11-12 【任务题】自定义MySQL Sink
• 11-13 【面试讨论题】Flink整合kafka的两阶段提交的认识
• 11-14 【面试讨论题】Flink如何实现Exactly-Once

12. 初识ClickHouse

• 12-1 课程目录
• 12-2 背景需求
• 12-3 初识ClickHouse
• 12-4 ClickHouse部署及快速入门
• 12-5 ClickHouse常用参数讲解
• 12-6 数据类型之Int和Float
• 12-7 数据类型之Decimal
• 12-8 数据类型之Bool
• 12-9 数据类型之String&FixedString&UUID
• 12-10 数据类型之Date&DateTime&DateTime64
• 12-11 数据类型之Array
• 12-12 数据类型之Tuple
• 12-13 数据类型之Nested
• 12-14 数据库和表创建语法及数据库引擎
• 12-15 初识表引擎
• 12-16 表引擎之TinyLog
• 12-17 表引擎之StripeLog
• 12-18 表引擎之Log
• 12-19 ClickHouse整合MySQL
• 12-20 ClickHouse API编程
• 12-21 【任务题】ClickHouse的集群搭建
• 12-22 【任务题】ClickHouse的数据处理
• 12-23 【面试讨论题】谈谈对 ClickHouse 引擎得理解
• 12-24 【面试讨论题】ClickHouse得选择必然性

13. 【项目实战终极篇】基于Flink+ClickHouse构建大数据实时分析项目实战

• 13-1 课程目录
• 13-2 现存问题描述及分析
• 13-3 ReplacingMergeTree引擎的用法
• 13-4 CH表如何设计
• 13-5 CH ID生成策略
• 13-6 Flink整合CH插入数据
• 13-7 使用Flink进行数据清洗
• 13-8 Flink清洗后的数据落地到CH并进行各种维度的统计分析
• 13-9 全流程服务器测试
• 13-10 引入CEP
• 13-11 CEP模式概述
• 13-12 CEP功能开发
• 13-13 CEP功能测试
• 13-14 前端UI展示
• 13-15 【任务题】数据写入ClickHouse
• 13-15 【任务题】Flink on YARN运行全流程
• 13-16 【任务题】使用CEP完成数据提取
• 13-17 【面试讨论题】实时数据分析平台构建思路

14. Flink DataSet篇

• 14-1 课程目录
• 14-2 Flink批处理概述
• 14-3 对接数据源为csv格式的数据
• 14-4 对接数据源为压缩后的数据
• 14-5 对接数据源为子目录的数据
• 14-6 Transformation之map
• 14-7 Transformation之mapPartition
• 14-8 Transformation之distinct
• 14-9 Transformation之first-n
• 14-10 Sink
• 14-11 Flink中分布式缓存的使用
• 14-12 Flink中计数器的使用
• 14-13 重难点总结
• 14-14 【任务题】实现join的功能
• 14-14 【任务题】join和cross算子的编程
• 14-15 【面试讨论题】Flink中使用分布式缓存的看法

15. Flink Table&SQL API篇

• 15-1 课程目录
• 15-2 Flink Table API&SQL概述
• 15-3 Flink Table API&SQL编程模型
• 15-4 Flink SQL整合DataStream编程
• 15-5 Flink Table API整合DataStream编程
• 15-6 Flink Table API整合DataStream编程toRetractStream使用
• 15-7 动态表和连续查询
• 15-8 图解连续查询
• 15-9 Table转Stream的方式
• 15-10 Flink Table API&SQL Connector概述
• 15-11 Flink Table API&SQL FileSystem Connector读取数据
• 15-12 Flink Table API&SQL FileSystem Connector写出数据
• 15-13 Flink Table API结合Window及EventTime编程
• 15-14 Flink SQL结合Window及EventTime编程
• 15-15 Flink UDF函数概述
• 15-16 Flink UDF函数编程实战
• 15-17 重难点总结
• 15-18 【任务题】实现数据的对接和Sink
• 15-19 【任务题】实现EventTime结合滑动窗口的功能测试
• 15-20 【任务题】完成IP解析的功能开发
• 15-21 【面试讨论题】Flink项目中选择哪种访问方式
• 15-22 【面试讨论题】Flink使用Kafka对接时的注意事项
• 15-23 【面试讨论题】Flink SQL是如何实现SQL的解析的

16. Flink版本升级篇

• 16-1 课程目录
• 16-2 开发环境准备
• 16-3 老版本keyBy的用法
• 16-4 新版本keyBy的用法
• 16-5 老版本WM的用法
• 16-6 新版本WM的用法
• 16-7 新老版本Table API&SQL整合WM的用法
• 16-8 Flink on YARN运行及升级
• 16-9 【拓展阅读】Flink版本升级核心梳理

17. 【拓展】基于Flink构建实时数仓项目实战

• 17-1 课程目录
• 17-2 实时数仓架构及分层
• 17-3 认识Canal
• 17-4 Canal对接Kafka联调
• 17-5 使用TCP方式拉取Canal数据
• 17-6 双流JOIN设计思路
• 17-7 双流JOIN实现之对接数据
• 17-8 双流JOIN实现之设置WM
• 17-9 双流JOIN实现之JOIN实现
• 17-10 双流JOIN实现之未关联上的数据处理方案
• 17-11 实时数仓数据流转&命名规范
• 17-12 【任务题】基于Flink实现维表的join
• 17-12 【任务题】双流join的测试
• 17-13 【面试讨论题】如何基于UI配置方式完成项目设计
• 17-13 【面试讨论题】maxwell和canal的区别

18. 总结和展望

• 18-1 课程总结和回顾

19. 【2022持续升级】Flink CDC编程实战

• 19-1 课程目录
• 19-2 针对现存问题进行分析引出CDC
• 19-3 认识Flink CDC
• 19-4 开发之前的准备工作
• 19-5 基于DataStream API的Flink CDC编程实战
• 19-6 监听多表实战
• 19-7 StartupOptions选项讲解
• 19-8 反序列化概述
• 19-9 自定义反序列化器开发
• 19-10 Flink CDC整合Checkpoint保证一次性语义
• 19-11 Flink CDC版本调整
• 19-12 Flink CDC对接Table&SQL API实战
• 19-13 Flink CDC对接Table&SQL API选项参数
• 19-14 两种实现方式对比
• 19-15 Flink CDC总结及扩展