目录：仅1年GitHubStar数翻倍，ApacheFlink做了什么？4Lyft基于ApacheFlink的大规模准实时数据分析平台15日均处理万亿数据！ApacheFlink在快手的应用实践与技术演进之路26bilibili实时平台的架构与实践47美团点评基于ApacheFlink的实时数仓平台实践70小米流式平台架构演进与实践90Netflix：EvolvingKeystonetoanOpenCollaborativeReal-timeETLPlatform108OPPO基于ApacheFlink的实时数仓实践115

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

ApacheFlink：详尽入门.docx

ApacheFlink是一个面向分布式数据流处理和批量数据处理的开源计算平台，它能够基于同一个Flink运行时（FlinkRuntime），提供支持流处理和批处理两品种型应用的功能。
现有的开源计算方案，会把流处理和批处理作为两种不同的应用类型，因为他们它们所提供的SLA是完全不相同的：流处理一般需要支持低延迟、Exactly-once保证，而批处理需要支持高吞吐、高效处理，所以在实现的时候通常是分别给出两套实现方法，或者通过一个独立的开源框架来实现其中每一种处理方案。
例如，实现批处理的开源方案有MapReduce、Tez、Crunch、Spark，实现流处理的开源方案有Samza、Stor

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。