#
请使用0.9以后的版本： 示例代码 Properties props = new Properties(); props.put("bootstrap.servers", "kafk
作者简介 王海涛，曾经在微软的 SQL Server和大数据平台组工作多年。带领团队建立了微软对内的 Spark 服务，主打 Spark Streaming。去年加入阿里实时计算部门，参与改进阿里基于
通过Kafka的快速入门 https://www.cnblogs.com/tree1123/p/11150927.html 能了解到Kafka的基本部署，使用，但他和其他的消息中间件有什么不同呢？ K
设置允许延迟的时间是通过allowedLateness(lateness: Time)设置保存延迟数据则是通过sideOutputLateData(outputTag: OutputTag[T])保存
Flink的编程模型1、获取Flink上下文；ExecutionEnvironment env = ExecutionEnvironment.getExecutionEnvironment();2、加
作者：任春德 Apache Flink作为下一代大数据计算引擎，在迅速发展强大中，其内部架构也在不断优化重构，以适应更多运行时环境和更大计算规模，Flink Improvement Proposals
一、背景 最近项目中使用Flink消费kafka消息，并将消费的消息存储到mysql中，看似一个很简单的需求，在网上也有很多flink消费kafka的例子，但看了一圈也没看到能解决重复消费
今年，实时流计算技术开始步入主流，各大厂都在不遗余力地试用新的流计算框架，实时流计算引擎和 API 诸如 Spark Streaming、Kafka Streaming、Beam 和 Flink 持续
要解决反压首先要做的是定位到造成反压的节点，这主要有两种办法:通过 Flink Web UI 自带的反压监控面板；通过 Flink Task Metrics。前者比较容易上手，适合简单分析，后者则提供
作者: 施晓罡 本文来自2018年8月11日在北京举行的 Flink Meetup会议，分享来自于施晓罡，目前在阿里大数据团队部从事Blink方面的研发，现在主要负责Blink状态管理和容错相关技术的
