这篇博客详述了作者学习Flink的过程，强调了动态表在处理流式数据中的核心作用，以及如何通过转换将表变为数据流。讨论了Continuous Queries，包括两种查询模式：更新之前发射的结果和仅追加数据。还提到了Table To Stream Conversion，解释了Append-only、Retract和Upsert流的区别，并指出Flink仅支持Append和Retract模式。最后，博主概述了流计算模型和Flink的关键特性，如时间机制、窗口和状态计算。
本博客描述了我学习flink的来龙去脉，不保证最终的学习效果!!!
http://wuchong.me/可以先看大牛博客里的几篇文章建议就看两篇
Flink原理与实现:理解Flink中的计算资源
Flink原理与实现:架构和拓扑概览。
接下来主要是对Flink Table & SQL的文档 API进行翻译和解读。
文档地址:
Dynamic Tables:这一章讲解了Flink处理无界数据流的语义怎么做到和常规数据库引擎处理有界数据集一样的方法.
在学习Dynamic Tables之前先要带着以下的理解
1.一个数据库table是一个数据流通过Insert、Delete、Update等DML语句执行后的结果。在这里叫changelog stream.
2.一个物化视图被定义为一次SQL查询。为了更新该视图，查询需要不断的处理changelog stream的视图关系。
3.物化视图是流式SQL查询的结果。
（我觉得这里主要理解第一句话， 就是DML语句的类型）。
科普下物化视图的概念：物化视图和
最低0.47元/天 解锁文章
扫一扫
810
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
