文章目录
一、前言
二、什么是Apache Flink
2.1 Flink Application
2.2 Flink Architecture
2.3 Flink 重要特点
2.3.1 事件驱动型(Event-driven)
2.3.2 流与批的世界观
2.3.3 分层API
2.4 Flink 应用场景
2.4.1 Flink 应用场景：Data Pipeline
2.4.2 Flink 应用场景：Data Analytics
2.4.3 Flink 应用场景：Data Driven
2.5 Flink 优势
2.5.1 状态容错
2.5.1.1 简单场景的精确一次容错方法
2.5.1.2 分布式状态容错
2.5.1.3 分散式快照（Distributed Snapshots）方法
2.5.2 状态维护（状态后端）
2.5.3 Event – Time
2.5.3.1 不同时间种类
2.5.3.2 Event – Time 处理
2.5.3.3 Watermarks
2.5.4 状态保存与迁移
三、什么是阿里云实时计算
3.1 产品特点
3.2 产品定位
3.3 基本概念
3.4 产品形态
3.5 应用场景
3.5.1 已有流处理系统迁移
3.5.2 按照部门场景划分
3.5.3 按照技术领域划分
3.5.4 场景实践
3.6 使用限制
3.6.1 支持地域
3.6.2 CU处理能力
3.6.3 作业、任务数量限制
四、Flink vs. Blink
4.1 Spark Streaming、Kafka Streams、Storm等存在的问题
4.2 Flink的优势
4.3 Flink和Blink的主要区别
4.4 流数据的SQL查询存在的难点，以及Blink的解决方案
五、Referece
文章目录
一、前言
二、什么是Apache Flink
2.1 Flink Application
阅读背景：
【Flink】（04）Apache Flink 漫谈系列 —— 实时计算 Flink 与 Alibaba Cloud Realtime Compute 剖析
来源：互联网
分享到：
