Flink流處理的演變
-
第一代流式處理架構
統計計算是亂序的，不能保證處理的結果是正確的，所以就有第二代架構。
-
lambda 架構（第二代流式處理架構）
用兩套系統，同時保證低延遲和結果準確
上下兩層，
Batch Layer 批處理層（結果更準確）
Speed Layer 流處理層（實時性） -
Serving Layer 服務層，彙總批處理層和快速處理層的結果，最後把資料進行合併，得到結果！
-
Flink（第三代流式處理架構）
相關文章
- Flink的流處理API(二)API
- Flink流處理過程的部分原理分析
- Flink處理函式實戰之五：CoProcessFunction(雙流處理)函式Function
- Flink系列(0)——準備篇(流處理基礎)
- Flink域名處理
- Flink 流處理在中信建投證券的實踐與應用
- Spark Streaming，Flink，Storm，Kafka Streams，Samza：如何選擇流處理框架SparkORMKafka框架
- [Flink] Flink 版本特性的演進
- Flink快照容錯處理
- Streams 流處理
- Flink的視窗處理機制（一）
- 日均處理萬億資料！Flink在快手的應用實踐與技術演進之路
- 帶你玩轉Flink流批一體分散式實時處理引擎分散式
- 三種大資料流處理框架選擇比較：Apache Kafka流、Apache Spark流和Apache Flink - quora大資料框架ApacheKafkaSpark
- Flink - CEP（複雜事件處理）事件
- Flink處理函式實戰之四：視窗處理函式
- 帶你認識FusionInsight Flink：既能批處理，又能流處理
- java處理流 和節點流（在位元組流和字元流中，又分為處理流和節點流）Java字元
- flink 流的合併
- 流資料處理利器
- 什麼是流處理
- 解構流儲存 — Pravega，與 Flink 構建端到端的大資料流水處理線大資料
- 實時資料處理：Kafka 和 FlinkKafka
- Apache Flink複雜事件處理指南 - softwaremillApache事件REM
- 流式處理新秀Flink原理與實踐
- Java的簡單理解(22)---處理流Java
- 基於flink和drools的實時日誌處理
- 處理圖片流資料
- Flink基礎：實時處理管道與ETL
- 使用資料流的思想處理檔案
- 大資料爭論：批處理與流處理的C位之戰大資料
- 自然語言處理歷史史詩：NLP的正規化演變與Python全實現自然語言處理Python
- Flink處理函式實戰之一：深入瞭解ProcessFunction的狀態(Flink-1.10)函式Function
- Java提高篇（二）：IO位元組流、字元流和處理流Java字元
- Kafka流處理內幕詳解Kafka
- .net core 訊息流處理流程
- SparkStreaming實時流處理學習Spark
- 再也不擔心寫出臃腫的Flink流處理程式啦，發現一款將Flink與Spring生態完美融合的腳手架工程-懶松鼠Flink-BootSpringboot