在大数据领域,流处理以其低延迟的特性,一直受到实时处理项目的关注;而Flink横空出世之后,更是以其低延迟、高吞吐、良好的容错性保证和强大的对乱序数据的处理功能,受到了越来越多项目的青睐,已经成为了当前大数据实时项目的首选。 但Flink作为真正的流处理框架,流式的API调用尽管功能强大,但其编程风格和灵活多变的特点,让很多由传统关系型数据库、Spark等批式处理框架转型而来的程序员头痛不已。越来越多的技术人员,希望Flink能有像Spark一样方便、熟悉的API调用。 Flink Table API和Flink SQL 就是Flink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API。 自2015 年开始,阿里巴巴开始调研开源流计算引擎,最终决定基于 Flink 打造新一代计算引擎,针对 Flink 存在的不足进行优化和改进。在 2019 年初,阿里将代码开源,这就是Blink。Blink 在原来的 Flink 基础上,一个显著的贡献就是 Flink SQL 的扩展实现,丰富了原有API的功能。现在,越来越多的公司将Flink SQL作为了大数据流式处理开发的首选;Flink Table API 和Flink SQL,也就成为了Flink学习中,不可或缺的一部分。 尚硅谷在已有的Flink理论和项目课程的基础上,又精心打造了Table API 和Flink SQL课程;通过对Flink Table API和Flink SQL理论基础、调用方式和自定义函数的详细讲解,将Flink技能点的最后一块拼图补上,为转型期的工程师、学习期的同学提供新而全的技术支持。由于Table API和SQL还处于快速发展中、尚未完善,有很多版本变化带来的API改变,课程中也做了具体说明,方便大家对各种版本的代码进行对比和兼容。
视频目录 01.尚硅谷_Table API和Flink SQL_简介02.尚硅谷_Table API和Flink SQL_表环境定义03.尚硅谷_Table API和Flink SQL_读取文件创建表04.尚硅谷_Table API和Flink SQL_读取kafka数据创建表05.尚硅谷_Table API和Flink SQL_表的查询转换06.尚硅谷_Table API和Flink SQL_表和流相互转换07.尚硅谷_Table API和Flink SQL_输出到文件08.尚硅谷_Table API和Flink SQL_更新模式09.尚硅谷_Table API和Flink SQL_Kafka数据管道测试10.尚硅谷_Table API和Flink SQL_写入数据到其它外部系统11.尚硅谷_Table API和Flink SQL_表流转换以及流式处理的特殊概念12.尚硅谷_Table API和Flink SQL_时间语义和时间属性的定义13.尚硅谷_Table API和Flink SQL_Group Windows14.尚硅谷_Table API和Flink SQL_Group Windows代码实现15.尚硅谷_Table API和Flink SQL_Over Windows及代码实现16.尚硅谷_Table API和Flink SQL_Flink SQL中的窗口实现17.尚硅谷_Table API和Flink SQL_系统内置函数18.尚硅谷_Table API和Flink SQL_自定义标量函数19.尚硅谷_Table API和Flink SQL_自定义表函数20.尚硅谷_Table API和Flink SQL_自定义聚合函数21.尚硅谷_Table API和Flink SQL_自定义表聚合函数