第一章整体介绍 21.1什么是TableAPI和FlinkSQL 21.2需要引入的依赖 21.3两种planner（old&blink）的区别 4第二章API调用 52.1基本程序结构 52.2创建表环境 52.3在Catalog中注册表 72.3.1表（Table）的概念 72.3.2连接到文件系统（Csv格式） 72.3.3连接到Kafka 82.4表的查询 92.4.1TableAPI的调用 92.4.2SQL查询 102.5将DataStream转换成表 112.5.1代码表达 112.5.2数据类型与Tableschema的对应 122.6.创建临时视图（TemporaryView） 122.7.输出表 142.7.1输出到文件 142.7.2更新模式（UpdateMode） 152.7.3输出到Kafka 162.7.4输出到ElasticSearch 162.7.5输出到MySql 172.8将表转换成DataStream 182.9Query的解释和执行 201.优化查询计划 202.解释成DataStream或者DataSet程序 20第三章流处理中的特殊概念 203.1流处理和关系代数（表，及SQL）的区别 213.2动态表（DynamicTables） 213.3流式持续查询的过程 213.3.1将流转换成表（Table） 223.3.2持续查询（ContinuousQuery） 233.3.3将动态表转换成流 233.4时间特性 253.4.1处理时间（ProcessingTime） 253.4.2事件时间（EventTime） 27第四章窗口（Windows） 304.1分组窗口（GroupWindows） 304.1.1滚动窗口 314.1.2滑动窗口 324.1.3会话窗口 324.2OverWindows 331）无界的overwindow 332）有界的overwindow 344.3SQL中窗口的定义 344.3.1GroupWindows 344.3.2OverWindows 354.4代码练习（以分组滚动窗口为例） 36第五章函数（Functions） 385.1系统内置函数 385.2UDF 405.2.1注册用户自定义函数UDF 405.2.2标量函数（ScalarFunctions） 405.2.3表函数（TableFunctions） 425.2.4聚合函数（AggregateFunctions） 455.2.5表聚合函数（TableAggregateFunctions） 47

FlinkSQL在音乐的产品化实践-TSY，云计算大佬的干货分享。
FlinkSQL是Flink实时计算为简化计算模型，降低用户使用实时计算门槛而设计的一套符合标准SQL语义的开发语言。

本文将基于Kafka,MySQL,Elasticsearch,Kibana，使用FlinkSQL构建一个电商用户行为的实时分析使用。
本文所有的实战演练都将在FlinkSQLCLI上执行，全程只涉及SQL纯文本，无需一行Java/Scala代码，无需安装IDE。
本实战演练的最终效果图

OPPO作为手机厂商，基于Android定制了自己的ColorOS系统，当前日活跃用户超过2亿。
围绕ColorOS，OPPO构建了很多互联网应用，比如应用商店、浏览器、信息流等。
在运营这些互联网应用的过程中，OPPO积累了大量的数据，上图右边是整体数据规模的演进：从2012年开始每年都是2~3倍的增长速度，截至目前总数据量已经超过100PB，日增数据量超过200TB。
要支撑这么大的一个数据量，OPPO研发出一整套的数据系统与服务，并逐渐构成了自己的数据中台体系。

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。