什么是 JFlink?

    实时累加 - 图1

    实时累加 - 图2

    实时累加 - 图3

    实时累加 - 图4

    实时累加 - 图5

    实时累加 - 图6

    实时累加 - 图7

    实时累加 - 图8

    实时累加 - 图9

    实时累加 - 图10

    实时累加 - 图11

    实时累加 - 图12

    实时累加 - 图13

    实时累加 - 图14

    实时累加 - 图15

    实时累加 - 图16

    实时累加 - 图17

    实时累加 - 图18

    实时累加 - 图19

    多种内置 SDK:Redis、ES、TiDB、HTTP、gRPC

    实时累加 - 图20

    实时累加 - 图21

    实时累加 - 图22

    实时累加 - 图23

    实时累加 - 图24

    Flink 的 Checkpoint 机制能够保证数据处理的 Exactly Once,在异常故障会有失败重试机制,并且状态能够恢复,从而保证数据处理的准确性。

    实时累加 - 图25

    实时累加 - 图26

    实时累加 - 图27

    实时累加 - 图28

    实时累加 - 图29

    实时累加 - 图30

    实时累加 - 图31

    实时累加 - 图32

    实时累加 - 图33

    实时累加 - 图34

    实时累加 - 图35

    实时累加 - 图36

    实时累加 - 图37

    实时累加 - 图38

    实时累加 - 图39

    实时累加 - 图40

    实时累加 - 图41

    保证端到端的 Exactly Once 靠的是 2PC(两阶段提交,参见 TwoPhaseCommitSinkFunction 类)

    实时累加 - 图42

    实时累加 - 图43

    并不是所有的 Sink 都支持 2PC 协议

    实时累加 - 图44

    实时累加 - 图45

    实时累加 - 图46

    实时累加 - 图47

    实时累加 - 图48

    实时累加 - 图49

    实时累加 - 图50

    实时累加 - 图51

    实时累加 - 图52

    实时累加 - 图53

    实时累加 - 图54

    实时累加 - 图55

    实时累加 - 图56

    实时累加 - 图57

    实时累加 - 图58

    实时累加 - 图59

    实时累加 - 图60

    实时累加 - 图61

    实时累加 - 图62

    实时累加 - 图63

    实时累加 - 图64

    实时累加 - 图65

    实时累加 - 图66

    实时累加 - 图67

    实时累加 - 图68

    实时累加 - 图69

    实时累加 - 图70

    实时累加 - 图71

    • 海量业务日志数据的实时格式化入库
    • 基于海量数据的分析统计
    • 实时TiDB/Kafka双流连接的支付链路分析
    • 对通数据地图
    • 时序数据