基于Flink流处理的动态实时亿级用户全端数据统计分析系统（支持所有的终端统计）...

2019独角兽企业重金招聘Python工程师标准>>>

在这个科技高速发展的时代，经历了PC时代几乎人手一台电脑，随之衍生出站长这个概念；移动互联网时代几乎人手一部智能手机，智能手机一般都会安装很多应用，目前应用呈爆发式的增长；随着产业的不断深入发展，小程序的发展也日益壮大，应用涵盖各个领域；如今一个公司就可能有多个软件应用，对于软件开发商来说，急需一套分析系统帮助软件运营，如果单独开发一个分析系统去针对一个软件进行分析的话，成本会非常的大，这个成本包含开发成本以及以后的维护成本。

为了解决了上述的问题，我们开发出了一套云产品：亿级动态数据统计分析系统,本系统可以支持所有的终端  （Web端、移动端、小程序端等 ）数据统计，只要简单的使用sdk就可以接入我们的系统，软件开发商可以很轻松的对软件使用的情况进行监控，及时辅助公司对该软件的运营。该产品历经2年的实践，商业价值极高。

本套案例是完全基于真实的产品进行开发和讲解的，同时对架构进行全面的升级，采用了全新的Flink架构+Node.js+Vue.js等，完全符合目前企业级的使用标准。对于本套课程在企业级应用的问题，可以提供全面的指导。 

Flink作为第四代大数据计算引擎，越来越多的企业在往Flink转换。Flink在功能性、容错性、性能方面都远远超过其他计算框架，兼顾高吞吐和低延时。 

Flink能够基于同一个Flink运行时，提供支持流处理和批处理两种类型应用的功能。也就是说同时支持流处理和批处理。Flink将流处理和批处理统一起来，也就是说作为流处理看待时输入数据流是无界的；批处理被作为一种特殊的流处理，只是它的输入数据流被定义为有界的。 

Flink技术特点 
1. 流处理特性 
支持高吞吐、低延迟、高性能的流处理 
支持带有事件时间的窗口（Window）操作 
支持有状态计算的Exactly-once语义 
支持高度灵活的窗口（Window）操作，支持基于time、count、session，以及data-driven的窗口操作 
支持具有Backpressure功能的持续流模型 
支持基于轻量级分布式快照（Snapshot）实现的容错 
一个运行时同时支持Batch on Streaming处理和Streaming处理 

Flink在JVM内部实现了自己的内存管理

支持迭代计算 
支持程序自动优化：避免特定情况下Shuffle、排序等昂贵操作，中间结果有必要进行缓存 

2. API支持 
对Streaming数据类应用，提供DataStream API 
对批处理类应用，提供DataSet API（支持Java/Scala） 

3. Libraries支持 
支持机器学习（FlinkML） 
支持图分析（Gelly） 
支持关系数据处理（Table） 
支持复杂事件处理（CEP） 

4. 整合支持 
支持Flink on YARN 
支持HDFS 
支持来自Kafka的输入数据 
支持Apache HBase 
支持Hadoop程序 
支持Tachyon 
支持ElasticSearch 
支持RabbitMQ 
支持Apache Storm 
支持S3 
支持XtreemFS 

课程所涵盖的知识点包括：Flink、 Node.js、 Vue.js、 Kafka、Flume、Spring、SpringMVC、Dubbo、HDFS、Hbase、highcharts等等 

课程所用到的  
开发环境为：Window7  
开发工具为：IDEA  
开发版本为：Flink1.7.0、Hadoop2.6.0、Hbase1.0.0 

内容详情：https://www.roncoo.com/view/171

 

转载于:https://my.oschina.net/u/3573545/blog/2994761