本课程主要包括三个部分：
1. 总结flink的基本原理。引导学生理解和掌握flink使用过程中设计的基本概念和简要API，介绍大数据实时流计算相关生态系统，重点梳理flink上下游系统，掌握flink的核心技术原理，建立大数据实时流计算的方法思维。
2. Flink实用生产技术。从实战出发，系统介绍Flink实时流计算的实用技术，如实时流计算业务场景分析、基本编程模型、高级特性等，使学生具备开发Flink实时流计算相关应用的基本能力。
3. Druid是一种支持实时数据写入、低延迟、高性能的OLAP引擎，具有优秀的数据聚合能力和实时查询能力。在大数据分析、实时计算、监控等领域都有特定的应用场景，是大数据基础设施建设的重要组成部分。本课程将介绍Druid的核心特征和原理，以及性能调整和最佳实践经验。
资源目录：
第一课： Flink的基本概念和部署
1. Flink 简介
2. 编程模型
3. 运行时概念
4. 应用部署和原理
a. 部署模式
b. On-Yarn 启动设置及原理
c. Job 启动设置及原理
第二课： DataStream
1. Datastreamcontext环境
2. 数据源(DataSource)
3. 转化(Transformation)
4. 数据Sink
第三课：Window & Time
1. Window介绍
a. 为什么Windoww？
b. Window类型
2. Window 使用API
a. Window的三个组件
b. Time&watermark
c. 时间语义
d. 解决WaterMark问题
e. 正确设置和理解Allowlateness
f. Window使用Sideoutput
3. Window的内部实现原理
a. Window的处理过程
b. Window中的状态存储
4. Window在生产环境中遇到的一些问题
第四课： Connector
1. 基本上Connectorr
2. Source自定义 与 Sink
3. Kafka-connecotor
a. Kafka 简介
b. Kafka Consumer 与Sink 正确使用
c. Kafka-Connector 内部机制和实现原则
第五课： 状态管理与恢复机制
1. 基本概念
2. KeyState 基本类型和用法
a. ValueState
b. ListState
c. ReduceState
d. FoldState
e. AggregatingState
3. Operatorstate基本用法
4. Checkpoint
a. 概念
b. 开启checkpoint
c. 基本原理
第六课： Metrics 与监控
1. Metrics的类型
2. Metrics的获取方式
a. Web Ui
b. Rest API
c. MetricReporter
3. 用户自定义Metric指标
4. 监控诊断：Metric和Druid 实时OLAP联合使用
a. 上报Metric
b. Metric指数聚合
c. Metric的分类和格式定义
5. Druid查询和指标系统
a. Flink作业反压监控
b. Flink作业延迟监控
c. 其他
6. Metric系统的内部实现
7. 生产环境中的案例分析 — 通过该指标来调查应用问题
第七课： 介绍Flink应用案例介绍
1. 数据清洗：map/flatmap等
2. 监控报警系统
a. 数据拉平
b. 基本窗口计算等
3. 在线操作系统
4. 风控系统
第八课： Druid的基本概念和架构设计
1. Druid和OLAP VS Kylin、ES等
2. Druid和指标系统 VS 各种时序数据库
3. Druid特性
4. 基本结构：角色节点和基本责任
a. 角色行为
b. 角色暴露的API
5. 基本结构：外部依赖
a. MySQL数据结构
b. ZK数据结构
c. HDFS数据结构
第九课： Druid数据写入和查询
1. 数据流和存储格式
a. 数据写入流程
b. 存储和索引格式
2. 实时数据写入
a. Firehose
b. Realtime Node
c. Index-Service原理介绍
d. Tranquility原理介绍
e. Kafka-index-service原理
3. 写入离线数据
a. Indexer
b. MR Indexer
4. 查询模式及查询类型介绍
第十课： Druid实践介绍
1. 容错设计
2. 指标监控
a. 基于Graphite构建指标监控系统
b. 重要指标项
3. 运维实践
a. 数据修复
b. 集群升级实践
c. Segment元数据管理
d. JVM调优
c. 资源隔离
[我要扒资料]
