前言今天上午被 Flink 的一个算子困惑了下，具体问题是什么呢？我有这么个需求：有不同种类型的告警数据流(包含恢复数据)，然后我要将这些数据流做一个拆分，拆分后的话，每种告警里面的数据又想将告警数据和恢复数据拆分出来。结果，这个需求用 Flink 的 Split 运算符出现了问题。分析需求如下图所示：我是期望如上这样将数据流进行拆分的，最后将每种告警和恢复用不同的消息模版做一个渲染，渲染后再通过
转载
2024-01-03 13:53:30
73阅读
大数据计算引擎的起源Hadoop和其他基于mapreduce的数据处理系统的出现首先是为了满足传统数据库无法满足的数据处理需求。随着2004年谷歌发布MapReduce白皮书以来的发展浪潮，利用Hadoop的开源生态系统或类似系统处理大数据已经成为行业的基本需求。尽管最近努力降低进入门槛，但在开发自己的数据处理系统时，组织不可避免地会遇到一系列问题，常常会发现从数据中获得价值所需的投资大大超出预期
转载
2023-11-14 13:21:49
87阅读
浪院长 浪尖聊大数据 Flink运行时主要角色有两个：JobManager和TaskManager，无论是standalone集群，on yarn都是要启动这两个角色。有点类似于MRv1的架构了，JobManager主要是负责接受客户端的job，调度job，协调checkpoint等。TaskManager执行具体的Task。TaskManager为了对资源进行隔离和增加允许的task数，引入了
原创
2021-03-19 14:19:22
330阅读
flink的runtime的脑洞。
原创
2021-07-23 17:12:13
108阅读
总结Flink SQL如何实现状态清0Flink State的TTLFlink的Timer机制Flink 的topN实现Flink 反压导致checkpoint不成功Flink写入HBase如果网络断了如何保证数据全部写入Kafka消息积压如何处理spark处理不过来如何处理Flink的底层是什么Flink 流任务忽然中断如何查看Flink如何保证EOSSpark如何保证EOS流处理和批处理的结
转载
2023-08-29 10:53:50
63阅读
一、本地模式在本地以多线程的方式模拟Flink中的多个角色。(开发环境不用) 下载地址：https://flink.apache.org/downloads.html 这里下载的是：flink-1.13.0-bin-scala_2.12.tgz 上传到常用的位置，然后解压。 启动： 切换到flink的bin目录下，执行./start-cluster.sh，然后查看进程。二、Standalone 独
Flink特点：重要特点：1.1事件驱动型，是具有状态的应用，从事件流中提取数据，并根据时间来触发计算、更新状态或其他操作。SparkStreaming就是为批次处理，这是与Flink的最大区别。 1.2.流与批的世界观：其中，批处理的特点是，有界、持久、大量，数据是一个批次一个批次的来，通常用于T+1模式。流处理的特点，无界、实时，数据是一条一条的来，通常用于T+0的模式。在Spark中,一切都
转载
2023-08-18 16:40:18
76阅读
一. 概述 大数据生态圈大多数技术都是master-slave架构，Spark、Storm、Flink无一例外都是这种架构，Spark是目前批计算的主流，Flink目前逐渐取代Storm成为了流式计算的主流，Storm逐渐被市场淘汰，但是不得不说Storm也是一个非常优秀的流式计算框架，其实时性非常好。 在分布式计算框架中，角色即进程，任务通常是以线程的形式跑在计算层的JVM进程中，但是每个框架中
转载
2023-07-26 11:03:57
69阅读
Flink带头大哥 02-1522:46 在流式计算领域，同一套系统需要同时兼具容错和高性能其实非常难，同时它也是衡量和选择一个系统的标准。在这个领域，Flink和Spark无疑是彼此非常强劲的对手。 1. Flink VS Spark 之 API Spark与Flink API情况如下： Spark与Flink 对开发语言的支持如下所示： 2. Flink VS Spark 之
转载
2023-11-08 18:15:18
83阅读
2018和2019年是大数据领域蓬勃发展的两年，自2019年伊始，实时流计算技术开始步入普通开发者视线，各大公司都在不遗余力地试用新的流计算框架，实时流计算引擎Spark Streaming、Kafka Streaming、Beam和Flink持续火爆。最近Spark社区，来自Databricks、NVIDIA、Google以及阿里巴巴的工程师们正在为Apache Spark 3.0添
转载
2023-07-26 13:38:14
53阅读
本文主要是想聊聊flink与kafka结合。当然，单纯的介绍flink与kafka的结合呢，比较单调，
原创
2022-03-28 17:47:58
219阅读
Flink与SparkStreaming在与kafka结合的区别！浪尖浪尖聊大数据本文主要是想聊聊flink与kafka结合。当然，单纯的介绍flink与kafka的结合呢，比较单调，也没有可对比性，所以的准备顺便帮大家简单回顾一下SparkStreaming与kafka的结合。看懂本文的前提是首先要熟悉kafka，然后了解sparkStreaming的运行原理及与kafka结合的两种形式，然后了
原创
2021-03-18 17:23:56
427阅读
本文主要是想聊聊flink与kafka结合。当然，单纯的介绍flink与kafka的结合呢，比较单调，也没有可对比性，所以的准备顺便帮大家简单回顾一下Spark Stre...
转载
2021-07-06 14:20:02
309阅读
flink与kafka的结合
原创
2021-07-23 17:17:15
107阅读
本文主要是想聊聊flink与kafka结合。当然，单纯的介绍flink与kafka的结合呢，比较单调，也没有可对比性，所以的准备顺便帮大家简单回顾一下Spark Stre...
转载
2022-02-03 15:37:50
85阅读
大数据基础组件一、 Hadoop二、 消息队列三、 数据库(关系型、非关系型)四、 ETL工具五、 数据可视化六、 任务调度工具 一、 HadoopHDFS：分布式文件存储系统，大数据环境的基石MapReduce(MR)：基于磁盘计算，主要用于大量数据的批处理计算Spark(RDD)：基于内存计算 SparkSQL：一般情况都是基于离线数据处理 Spark Streaming：一般情况是基于微批
转载
2024-10-12 08:58:19
8阅读
sparkSpark是基于内存计算的大数据并行计算框架。除了扩展了广泛使用的MapReduce计算模型，而且高效地支持更多计算模式，包括交互式查询和流处理。Spark适用于各种各样原先需要多种不同的分布式平台的场景，包括批处理、迭代算法、交互式查询、流处理Spark除了一站式的特点之外，另外一个最重要的特点，就是基于内存进行计算，从而让它的速度可以达到MapReduce、Hive的数倍甚至数十倍！
转载
2023-07-11 17:04:25
123阅读
本文首先介绍了Spark和Flink的发展背景、基本架构及其设计特点，然后从数据模型、状态处理和编程模型3个角度进行比较优势和限制，最后介绍Spark和Flink的最新发展。 本篇文章属于阿里巴巴Flink系列文章之一。当提及大数据时，我们无法忽视流式计算的重要性，它能够完成强大的实时分析。而说起流式计算，我们也无法忽视最强大的数据处理引擎：Spark和Flink。Apache Spa
转载
2023-10-01 16:41:53
100阅读
流处理的几个流派在流式计算领域，同一套系统需要同时兼具容错和高性能其实非常难，同时它也是衡量和选择一个系统的标准。4.2Flink VS Spark 之 APISpark与Flink API pk如下所示： Spark与Flink 对开发语言的支持如下所示：Flink VS Spark 之 ConnectorsSpark 支持的Connectors如下所示： Flink支持的C
转载
2023-07-26 10:56:43
110阅读
最近被Spark和Flink的内存管理搞吐了，所以专门整理一下??Spark的内存管理Spark1.6版本之后引入的统一内存管理机制，与静态内存管理机制的区别在于存储内存和执行内存共享同一块空间，可以动态占用对方的空闲区域，统一内存管理的堆内结构如图所示，统一内存管理的堆外内存结构如下图所示：其中最重要的优化在于动态占用机制，其规则如下：设定基本的存储内存和执行内存区域（Spark.storage
转载
2023-11-06 23:00:33
140阅读
