欢迎访问我的GitHubhttps://github.com/zq2599/blog\_demos(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fgithub.com%2Fzq2599%2Fblog_demos)内容：所有原创文章分类汇总及配套源码，涉及Java、Doc

近年来，AI场景发展得如火如荼，同时其计算规模也越来越大。这也让专注于数据处理的Flink有了较大的发展空间。Flink作为在大数据生态里实时处理的一个新框架，在一定程度上也有一定的难度。!(https://oscimg.oschina.net/oscnet/88055ce26e954c86ac75a83feb1e391d.pn

一.引言：ApachFlink是全新的流处理系统，在SparkStraming的基础上添加了很多特性，主要在于其提供了基于时间和窗口计算的算子，并且支持有状态的存储和Checkpoint的重启机制，下面假设有多个温度传感器持续传输当前温度，Flink流处理需要每一段时间提供该时间段内的传感器平均温度。二.依赖支持项目是基

正文前先来一波福利推荐：福利一：百万年薪架构师视频，该视频可以学到很多东西，是本人花钱买的VIP课程，学习消化了一年，为了支持一下女朋友公众号也方便大家学习，共享给大家。福利二：毕业答辩以及工作上各种答辩，平时积累了不少精品PPT，现在共享给大家，大大小小加起来有几千套，总有适合你的一款，很多是网上是下载不到。

欢迎访问我的GitHubhttps://github.com/zq2599/blog\_demos内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；本文是《FlinkonYarn三部曲》系列的终篇，先简单回顾前面的内容：1.《FlinkonYarn三部曲之一：准备工作》

!(https://oscimg.oschina.net/oscnet/bef571d44e3a4e089a93cde787fecb99.gif)和其他所有的计算框架一样，flink也有一些基础的开发步骤以及基础，核心的API，从开发步骤的角度来讲，主要分为四大部分!(https://oscimg.oschina.net/oscnet

在上一篇入门教程中，我们已经能够快速构建一个基础的Flink程序了。本文会一步步地带领你实现一个更复杂的Flink应用程序：实时热门商品。在开始本文前我们建议你先实践一遍上篇文章，因为本文会沿用上文的myflinkproject项目框架。通过本文你将学到：如何基于EventTime处理，如何指定Watermark如

一，抽象层次Flink提供不同级别的抽象来开发流/批处理应用程序。!(https://oscimg.oschina.net/oscnet/12b00149837444cda182f2b438ddd72a.png)1，statefulstreaming最底层。它通过ProcessFunction嵌入到DataSt

_摘要：_ 实际问题我们知道在流计算场景中，数据是源源不断的流入的，数据流永远不会结束，那么计算就永远不会结束，如果计算永远不会结束的话，那么计算结果何时输出呢？本篇将介绍ApacheFlink利用持续查询来对流计算结果进行持续输出的实现原理。实际问题我们知道在流计算场景中，数据是源源不断的流入的，数据流永远不会结束，那么计算就永远不会

本文分享自天翼云开发者社区《》，作者：ln水位线与窗口对于流式数据，时间是一个重要的标识。在flink的事件时间语义下，我们不依赖系统时间，而是基于数据自带的时间戳去定义了一个时钟，用来表示当前时间的进展。于是每个并行子任务都会有一个自己的逻辑时钟，它的前