"命脉"即生命与血脉，常喻极为重要的事物。
系列的首篇，首篇的首段不聊ApacheFlink的历史，不聊ApacheFlink的架构，不聊ApacheFlink的功能特性，我们用一句话聊聊什么是ApacheFlink的命脉?我的答案是：ApacheFlink是以"批是流的特例"的认知进行系统设计的。
我们经常听说"天下武功，唯快不破"，大概意思是说"任何一种武功的招数都是有拆招的，唯有速度快，快到对手根本来不及反应，你就将对手KO了，对手没有机会拆招，所以唯快不破"。
那么这与ApacheFlink有什么关系呢?ApacheFlink是NativeStreaming(纯流式)计算引擎，在实时计算场景
系列的首篇，首篇的首段不聊ApacheFlink的历史，不聊ApacheFlink的架构，不聊ApacheFlink的功能特性，我们用一句话聊聊什么是ApacheFlink的命脉?我的答案是：ApacheFlink是以"批是流的特例"的认知进行系统设计的。
我们经常听说"天下武功，唯快不破"，大概意思是说"任何一种武功的招数都是有拆招的，唯有速度快，快到对手根本来不及反应，你就将对手KO了，对手没有机会拆招，所以唯快不破"。
那么这与ApacheFlink有什么关系呢?ApacheFlink是NativeStreaming(纯流式)计算引擎，在实时计算场景
2025/1/20 15:10:02
655KB
1
flink是新一代的流式计算引擎，它需要从不同的第三方存储引擎读取数据，进行一定的处理，写出到不同的存储引擎，Connector就相当于是一个连接器，连接flink系统和外界存储系统。
2023/8/12 17:27:44
79KB
1
flink是新一代的流式计算引擎，它需要从不同的第三方存储引擎读取数据，进行一定的处理，写出到不同的存储引擎，Connector就相当于是一个连接器，连接flink系统和外界存储系统。
2023/7/30 9:30:24
107KB
1
流式计算主要针对unboundeddata（无界数据流）进行实时的计算，将计算结果快速的输出或者修正。
这部分将分为三个小节来介绍。
第一，介绍大数据系统发展史，包括初始的批处理到现在比较成熟的流计算；
第二，为大家简单对比下批处理和流处理的区别；
第三，介绍流式计算里面的关键问题，这是每个优秀的流式计算引擎所必须面临的问题。
上图是2003年到2018年大数据系统的发展史，看看是怎么一步步走到流式计算的。
2003年，Google的MapReduce横空出世，通过经典的Map&Reduce定义和系统容错等保障来方便处理各种大数据。
很快就到了Hadoop，被认为是开源版的MapReduce，带动了整个ap
这部分将分为三个小节来介绍。
第一，介绍大数据系统发展史，包括初始的批处理到现在比较成熟的流计算；
第二，为大家简单对比下批处理和流处理的区别；
第三，介绍流式计算里面的关键问题，这是每个优秀的流式计算引擎所必须面临的问题。
上图是2003年到2018年大数据系统的发展史，看看是怎么一步步走到流式计算的。
2003年，Google的MapReduce横空出世，通过经典的Map&Reduce定义和系统容错等保障来方便处理各种大数据。
很快就到了Hadoop，被认为是开源版的MapReduce，带动了整个ap
2023/7/16 22:52:42
448KB
1
02_流式计算基础_第1天（Storm集群部署、单词计数、StreamGrouping）.docx
2023/6/30 2:55:12
395KB
1
网上很少能找到flink的生产项目，这个项目是关于系统运维方面的流式处理，生产上的注意点，代码里基本都有体现，对初学者应该有一些协助，其他的，就去官方demo上学习吧。
2023/1/11 4:35:07
1.01MB
1
Spark是Apache顶级项目里面最火的大数据处理的计算引擎，它目前是担任大数据计算的工作。
包括离线计算或交互式查询、数据挖掘算法、流式计算以及图计算等。
核心组件如下：SparkCore：包含Spark的基本功能；
尤其是定义RDD的API、操作以及这两者上的动作。
其他Spark的库都是构建在RDD和SparkCore之上的。
SparkSQL：提供通过ApacheHive的SQL变体Hive查询语言（HiveQL）与Spark进行交互的API。
每个数据库表被当做一个RDD，SparkSQL查询被转换为Spark操作。
对熟悉Hive和HiveQL的人，Spark可以拿来就用。
SparkStrea
包括离线计算或交互式查询、数据挖掘算法、流式计算以及图计算等。
核心组件如下：SparkCore：包含Spark的基本功能；
尤其是定义RDD的API、操作以及这两者上的动作。
其他Spark的库都是构建在RDD和SparkCore之上的。
SparkSQL：提供通过ApacheHive的SQL变体Hive查询语言（HiveQL）与Spark进行交互的API。
每个数据库表被当做一个RDD，SparkSQL查询被转换为Spark操作。
对熟悉Hive和HiveQL的人，Spark可以拿来就用。
SparkStrea
2018/6/20 1:19:43
557KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB