[698] Flink 从0到1实战实时风控系统 – 网盘下载Flink 核心技能实操 + 亿级数据性能调优 + Groovy 动态规则引擎实践 进阶大数据开发高手

网盘链接：

1. 课程介绍与学习指南

• 1-1 这是一门帮你进阶的好课
• 1-2 风控项目对于个人职业能力的提升
• 1-3 课程设计的思路以及所涵盖的知识点
• 1-4 推荐几个课程项目使用的开发工具

2. 风控项目需求

• 2-1 羊毛党利用群控和接码平台薅尽羊毛
• 2-2 优惠券场景下被薅羊毛的业务逻辑漏洞复盘
• 2-3 基于领域驱动分析优惠券场景下风控的架构设计
• 2-4 基于领域驱动设计的代码目录分层架构思路
• 2-5 优惠券场景下的风控规则和阙值确定

3. 风控引擎架构设计及项目演示

• 3-1 风控引擎架构的设计思路
• 3-2 画出风控引擎的系统架构图
• 3-3 风控规则引擎选用Groovy的原因
• 3-4 风控引擎整体技术栈以及版本
• 3-5 亿级行为数据集提供的不同类型的羊毛党人数分布

4. 风控引擎组件基础知识准备

• 4-1 本章重点和难点
• 4-2 理解Flink数据流编程模型
• 4-3 代码演示Flink以流批两种方式实现wordcount（上）
• 4-4 代码演示Flink以流批两种方式实现wordcount（下）
• 4-5 通过有界流和无界流延伸理解Flink批流一体架构
• 4-6 理解Flink4大基石之状态机制
• 4-7 代码演示Flink基于状态计算实现wordcount（上）
• 4-8 代码演示Flink基于状态计算实现wordcount（下）
• 4-9 理解Flink4大基石之窗口机制
• 4-10 通过大白话通俗的去理解Flink4大基石之时间机（上）
• 4-11 通过大白话通俗的去理解Flink4大基石之时间机（中）
• 4-12 通过大白话通俗的去理解Flink4大基石之时间机（下）
• 4-13 初步认识Flink的Cep模式匹配
• 4-14 理解Flink4大基石之checkpoint机制（上）
• 4-15 理解Flink4大基石之checkpoint机制（中）
• 4-16 理解Flink4大基石之checkpoint机制（下）
• 4-17 本章总结

5. 基础设施搭建–环境搭建及单元测试

• 5-1 本章重点和难点
• 5-2 画出项目结构图
• 5-3 基于docker的一键式搭建项目环境
• 5-4 【梳理】项目环境搭建步骤
• 5-5 Springboot基于Maven多模块构建项目
• 5-6 基于Junit5+MockMvc的单元测试用例编写（上）
• 5-7 基于Junit5+MockMvc的单元测试用例编写（下）
• 5-8 Flink流计算的单元测试用例编写（上）
• 5-9 Flink流计算的单元测试用例编写（下）
• 5-10 基于maven-helper插件解决依赖冲突异常
• 5-11 【拓展】简历植入重点及本章涉及面试知识点
• 5-12 【作业】本章作业
• 5-13 本章总结

6. 基础设施搭建–springboot工具类封装

• 6-1 本章重点和难点
• 6-2 Springboot封装基于FastJson2的json工具类（上）
• 6-3 Springboot封装基于FastJson2的json工具类（中）
• 6-4 Springboot封装基于FastJson2的json工具类（下）
• 6-5 基于LocalDate封装时间工具类+自动生成测试类（上）
• 6-6 基于LocalDate封装时间工具类+自动生成测试类（下）
• 6-7 Springboot集成slf4j+log4j2（上）
• 6-8 Springboot集成slf4j+log4j2（下）
• 6-9 Springboot封装自定义异常+全局异常的工具类
• 6-10 封装Lettuce+RedisTemplate读写Redis集群（上）
• 6-11 封装Lettuce+RedisTemplate读写Redis集群（中）
• 6-12 封装Lettuce+RedisTemplate读写Redis集群（下）
• 6-13 Springboot封装Hbase工具类
• 6-14 本章总结

7. 基础设施搭建–flink工具类封装

• 7-1 本章重点和难点
• 7-2 Flink使用ParameterTool读取配置
• 7-3 基于巴希尔(Bahire)-Flink写入Redis集群（上）
• 7-4 基于巴希尔(Bahire)-Flink写入Redis集群（下）
• 7-5 Flink通过富函数类实现自定义Source
• 7-6 Flink自定义Source读取Redis集群（上）
• 7-7 Flink自定义Source读取Redis集群（下）
• 7-8 Flink自定义Source读取ClickHouse
• 7-9 Flink使用JDBC-Connector+预编译批量写入ClickHouse（上）
• 7-10 Flink使用JDBC-Connector+预编译批量写入ClickHouse（下）
• 7-11 Flink TableSQL Api + 表转流读取Mysql
• 7-12 本章总结

8. 风控数据流入口–事件接入中心

• 8-1 本章重点和难点
• 8-2 风控事件接入中心架构搭建思路
• 8-3 事件中心的数据格式
• 8-4 Flume监听目录将行为事件数据写入Kafka
• 8-5 Flink1.14使用全新的Kafka Connector读取Kafka
• 8-6 Flink1.14自定义反序列化消费Kafka Json格式数据
• 8-7 ClickHouse存储用户行为路径序列的表设计思路
• 8-8 ClickHouse拉取Kafka Json格式的用户行为数据
• 8-9 ClickHouse将用户行为聚合为行为路径序列
• 8-10 ClickHouse对用户行为序列进行路径挖掘找出羊毛客（上）
• 8-11 ClickHouse对用户行为序列进行路径挖掘找出羊毛客（下）
• 8-12 ClickHouse对用户行为维度指标存储的表设计思路
• 8-13 Flink Job的Checkpoint, State配置以及并行度的合理数量（上）
• 8-14 Flink Job的Checkpoint, State配置以及并行度的合理数量（下）
• 8-15 Flink对Kafka数据清洗并转化为POJO对象
• 8-16 Flink对事件数据流添加水印保证事件行为的有序性
• 8-17 Flink基于滑动窗口每5分钟统计用户最近1小时的登录频率
• 8-18 Flink aggregate统计用户最近1小时登录频率的聚合操作

9. 风控规则判断依据–指标计算模块

• 9-1 本章重点和难点
• 9-2 风控指标的构成以及指标存储的设计思路
• 9-3 基于滑动窗口思想的风控指标采样思路
• 9-4 基于Redis快速获取风控指标采样的思路
• 9-5 风控指标在Redis唯一id的设计思路
• 9-6 Flink和POJO对象之间的关系
• 9-7 基于Flink实现的指标通用聚合计算框架思路
• 9-8 基于Flink实现的指标通用聚合计算框架初步结构
• 9-9 运营后台自定义指标聚合计算规则
• 9-10 Flink通过单独线程读取指标聚合计算规则
• 9-11 将指标聚合计算规则写入到事件流传播给下游算子思路
• 9-12 进一步细化运营后台的指标聚合计算规则自定义
• 9-13 通过反射机制将指标聚合计算规则写入到事件流
• 9-14 keyBy算子根据指标聚合计算规则进行分组

10. 风控系统核心–规则引擎

• 10-1 本章重点和难点
• 10-2 window算子根据指标聚合计算规则将事件分配到对应窗口
• 10-3 根据指标聚合计算的规则进行增量聚合计算
• 10-4 aggregate算子根据指标聚合计算的规则进行结果输出
• 10-5 Kafka工具类直接返回事件流以及配置带环境的配置信息
• 10-6 风控规则的Mysql表设计思路及运营后台配置
• 10-7 风控规则的条件判断表达式解析的方案
• 10-8 Aviator引擎的表达式运算及自定义函数
• 10-9 Aviator引擎应用于风控规则条件的判断
• 10-10 Flink自定义生成规则事件流
• 10-11 Flink将规则事件流广播到行为事件流
• 10-12 行为事件流读取规则事件流中的风控规则（1）
• 10-13 行为事件流读取规则事件流中的风控规则（2）
• 10-14 对行为事件使用对应的规则进行风控判断
• 10-15 本章总结

11. 实时风控–动态规则实现

• 11-1 本章重点和难点
• 11-2 哪种类型的风控规则适合实时计算以及实时判定
• 11-3 Flink-Cep开发流程及模式匹配
• 11-4 Flink-Cep检测最近1分钟登录失败超过阈值的用户
• 11-5 Flink-Cep以严格近邻的模式检测连续登录失败的用户
• 11-6 Flink-Cep基于迭代条件检测最近15分钟IP频繁变化的用户
• 11-7 Flink-Cep检测具有明显薅羊毛特征行为路径的用户
• 11-8 Flink-Cep对匹配事件的提取并且输出到事件流
• 11-9 Flink-Cep基石 NFA状态转移流程
• 11-10 为什么选择Groovy生成Flink-Cep Pattern对象
• 11-11 Java集成Groovy之执行Groovy脚本
• 11-12 Java集成Groovy之从指定位置加载Groovy脚本
• 11-13 Java集成Groovy之调用Groovy脚本的自定义类
• 11-14 Groovy能动态加载脚本的底层原理
• 11-15 Flink-Cep基于Groovy脚本动态加载Pattern
• 11-16 Groovy动态加载脚本频繁触发Full GC 的解决方案

12. 风控引擎部署–单元测试

• 12-1 总结风控引擎涉及的Flink任务
• 12-2 风控运营后台最终定稿版
• 12-3 总结Flink-Cep和DataStream Api进行风控的不同使用场景
• 12-4 测试Flink-Cep检测登录失败超过阈值的用户
• 12-5 测试Flink-Cep检测连续事件序列的用户
• 12-6 测试Flink-Cep基于Groovy脚本加载Pattern-
• 12-7 通过运营后台动态修改Flink-Cep Pattern参数
• 12-8 使用通义灵码和MybatisPlus3.5+ 自动生成CRUD

13. 风控引擎部署–打包部署

• 13-1 部署定时任务 模拟源源不断的行为事件流
• 13-2 部署定时任务 ClickHouse将用户每小时的行为事件归档
• 13-3 补充 Flink-CDC的底层原理
• 13-4 补充 Flink-CDC实时捕获Mysql数据变更
• 13-5 补充 Flink-CDC自定义反序列化
• 13-6 部署风控规则 Flink-CDC监听规则表
• 13-7 补充 Flink 双流Join
• 13-8 部署风控规则 通过Join对规则组信息进行维度补充
• 13-9 部署风控规则 广播规则使得行为事件携带规则组
• 13-10 部署风控规则 遍历规则组产生冗余行为事件并规则判断
• 13-11 部署动态cep Flink不停机动态加载 cep 风控规则的方案
• 13-12 部署动态cep 修改cep源码注入动态获取Pattern的方法
• 13-13 部署动态cep 修改cep源码构造新的NFA进行事件匹配

14. 风控引擎部署–压测优化

• 14-1 Flink背压的表现
• 14-2 Flink流量压测方法
• 14-3 Flink背压告警以及造成的影响
• 14-4 Flink背压解决方案