- 博客(1459)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 写给生产环境的 Flink 内存配置Process Memory、TaskManager 组件拆解与场景化调优
Flink内存配置指南：核心概念与场景化调优 摘要： 本文系统讲解Flink内存配置的关键要点。首先区分Total Flink Memory和Total Process Memory两种配置方式，并强调非本地执行时必须选择其中一种。其次剖析JVM参数的计算逻辑，指出排查OOM时应关注MaxDirectMemorySize而非仅调整Xmx。针对TaskManager详细拆解各内存组件，特别强调Task Heap、Managed Memory和Network Memory的重要性。最后提供不同部署场景（Stan
2026-01-28 13:43:48
348
原创 Flink JobManager 内存配置指南别让“控制面”先 OOM
Flink JobManager的内存配置主要涉及JVM Heap、Off-heap、Metaspace和JVM Overhead四个部分。Heap用于框架和用户代码，Off-heap覆盖网络通信等场景，Overhead不足易导致容器被Kill。推荐优先配置总进程内存（jobmanager.memory.process.size），复杂场景可细化Heap/Off-heap。典型问题包括Heap OOM（加heap.size）、Direct OOM（加off-heap.size）和容器OOMKille
2026-01-28 13:37:57
527
原创 Flink TaskManager 内存配置从“总量”到“组件”，把资源用在刀刃上
本文系统解析了 Flink TaskManager 内存的组成结构与配置策略。内存分为进程总内存（包含 Flink 应用内存和 JVM 开销）和 Flink 总内存（含堆内存、托管内存和直接内存）。提供了两种配置路线：总量配置法（推荐）和显式配置法（针对特定场景），并详细说明了各内存组件的调节方法，包括任务堆内存、托管内存、网络内存等关键参数。针对常见的 OOM 问题，给出了诊断思路和调优建议，强调应根据作业特性合理分配内存资源，特别关注 RocksDB、Python UDF 等特殊场景的内存需求。最后提供
2026-01-28 13:34:02
319
原创 Flink 进程三种配置方式、JVM 参数映射与常见踩坑
Flink 跑在 JVM 上，但它不是“随便给个 -Xmx 就完事”。为了把 TaskManager/JobManager 的各类内存（堆、直接内存、元空间、框架开销、网络缓冲、Managed Memory 等）管得更稳，Flink 从较新的内存模型开始，允许你用“总量”或“组件”两种思路去声明资源，并在不满足约束时直接拒绝启动，避免线上“跑着跑着 OOM、还找不到原因”。这套内存配置模型对 TaskManager 从 1.10 起生效、对 JobManager 从 1.11 起生效。
2026-01-28 11:44:21
485
原创 Flink 2.0 从 flink-conf.yaml 到 config.yaml 的正确打开方式（含迁移与最佳实践）
注意：因为旧解析器把所有值都当字符串，迁移出来的很多值会带引号。它们是“进程总内存”，Flink 会在里面再切分 heap、off-heap、network、managed 等。如果你用的是会被系统清理的临时目录，可能导致一次“删缓存”引发一次“重恢复”，性能直接跳水。这套做法适合“平台化”：业务方写作业时不一定每个都手动配置 checkpoint，集群侧先兜住。核心思路：外部系统抖一下（Kafka、ES、DB）别把你作业直接判死刑，但也别无限重启打爆依赖。，这是迁移后最常见的坑之一。
2026-01-26 16:43:33
720
原创 Flink on Hadoop YARN 从 0 到可上线的 Session / Application 部署指南
Flink on YARN 运行机制与最佳实践摘要： Flink在YARN上运行时，JobManager和TaskManager都以YARN容器形式运行。生产环境推荐使用Application模式实现作业隔离，通过yarn.provided.lib.dirs预传依赖提升效率。关键配置包括正确设置HADOOP_CLASSPATH、控制资源分配（vcores/slots）以及处理依赖冲突（yarn.classpath.include-user-jar）。高可用场景需保持默认cluster-id，避免手动修改。网
2026-01-26 13:41:16
695
原创 Flink 2.x 部署与扩展能力Standalone / Docker / Kubernetes（Standalone & Native）+ HiveModule + OpenAI 推理函
本文系统介绍了Apache Flink的多种部署方式及关键配置要点。首先解析了Flink三大核心组件(Client、JobManager、TaskManager)的职责，区分了Session和Application两种集群模式的特点与适用场景。重点讲解了Standalone、Docker和Kubernetes三种部署方案的具体实现，包括本地快速启动、容器化部署及K8s原生集成。特别强调了生产环境中的高可用配置、资源隔离、日志排障等关键问题，并提供了Java兼容性、工作目录配置等实用建议。最后还提及了Hive
2026-01-26 11:31:26
593
原创 Flink 2.2 从本地 Standalone 到 Docker/Kubernetes，把 Hive 批流打通，并在 SQL 里接入 OpenAI 推理
Flink集群部署模式与优化实践 Flink集群包含Client、JobManager和TaskManager等核心角色，支持Session和Application两种部署模式。Session模式适合资源共享，而Application模式提供更好的隔离性。在Java版本选择上，Flink 2.0+推荐Java 17，但需注意模块化带来的反射问题。 部署方式包括： Standalone：快速启动但资源管理原始，支持ZooKeeper实现HA Docker：通过容器化实现环境复制，建议使用Compose管理依赖
2026-01-25 16:14:14
783
原创 Flink 2.2 Docker 部署Session / Application / SQL Client 一把梭（含 Compose、插件、连接器与踩坑点）
本文介绍了在Docker中运行Flink的三种方式：Session集群、Application集群和SQL Client。重点讲解了如何使用Docker Compose快速部署Flink集群，包括Session模式（常用）、SQL Client模式和Application模式（隔离性更强）。文章还详细说明了三种配置方式：动态参数、环境变量和挂载配置文件，并特别强调了连接器JAR包必须同时在JobManager/TaskManager和SQL Client中部署的关键注意事项。最后，作者提醒了SQL Clie
2026-01-25 16:07:59
712
原创 Flink Working Directory（FLIP-198）稳定本地恢复、RocksDB 目录与进程重启“不丢缓存”的正确姿势
在生产环境里，Flink 的“本地目录”经常被大家混用：io.tmp.dirs、RocksDB 目录、Blob、local state、甚至还有各种临时文件。结果就是：TaskManager 一重启，缓存全没了、local recovery 失效、RocksDB 重新拉远端 state，恢复时间暴涨。FLIP-198 引入的 Working Directory（工作目录）就是为了解决这个“进程重启后依然可恢复本地工件”的问题，它把“可恢复的本地工件”统一放到一个可控、可复用的目录里。
2026-01-24 11:39:39
558
原创 Flink Standalone 从 0 到可运维的 Session/HA 集群模板（附配置清单）
很多人第一次用 Flink Standalone（独立集群）时，能跑起来不难：`start-cluster.sh` 一执行就有 Web UI。但一旦进入“线上可运维”阶段，就会遇到一堆现实问题：端口冲突、内存抖动、Checkpoint 不稳、日志打爆磁盘、HA 切主失败、连接器 jar 冲突……这篇文章给你一套可直接落地的 Standalone 生产模板：包含 Session Mode 与可选 HA（ZooKeeper），以及必须要做的端口/资源/日志/Checkpoint/目录规划。照着改值即可上线。
2026-01-24 11:36:32
449
原创 Flink Standalone 本地一键起集群、Session/Application 两种模式、HA 高可用与排障清单
Standalone（独立部署）是 Flink 最“原始”的运行方式：JobManager、TaskManager 都是操作系统上的进程（JVM），不依赖 Kubernetes/YARN 这类资源调度器。它的优点是简单、可控、适合本地/测试/小规模集群；缺点也很明显：进程挂了要你自己拉起来，资源扩缩容也要你手工管理。
2026-01-24 11:33:11
562
原创 Flink Java 版本兼容性与 JDK 模块化（Jigsaw）踩坑11 / 17 / 21 怎么选、怎么配、怎么稳
Flink 对不同 Java 版本的支持情况如下：推荐生产环境使用 Java 17（2.0.0起默认支持），Java 11 可兼容但需谨慎测试，Java 21 仅实验性支持。特别注意 Hive 和 HBase 1.x 连接器在 Java 11/17/21 上均未测试验证。由于 Java 16+ 的模块化限制，需通过 env.java.opts.all 追加 --add-opens 参数解决反射问题，且不能删除默认配置。升级时需重点验证序列化兼容性和状态恢复，避免常见错误如 InaccessibleObjec
2026-01-24 11:30:15
449
原创 Flink 部署组件拆解、参考架构、Application vs Session 选型，以及生产落地 Checklist
Flink 很“万能”，同一套计算逻辑既能跑在本地 Standalone，也能跑在 YARN / Kubernetes；既能做 Session 多租共享，也能做 Application 单应用隔离。选择越多，越容易踩坑：到底部署时哪些组件是“必须的”？Application Mode 和 Session Mode 什么时候选？高可用、Checkpoint、Metrics、外部系统怎么一起规划？
2026-01-24 11:23:28
634
原创 Flink SQL Connector 用 DataGen + Print + BlackHole 搭一条“最短闭环”，把正确性与压测一次搞定（顺便串起 Hive / OpenAI）
本文系统分析了Flink SQL中各类连接器的核心功能与应用场景。首先将连接器拆解为"能力块"：包括Source、Lookup Source、Sink等基础功能，并详细说明JDBC、Elasticsearch等常用连接器的组合应用方式。随后介绍了DataGen、Print、BlackHole三个调试工具，构建了"最短闭环"验证流程，提供了一套通用压测模板。最后针对JDBC维表Lookup、Hive批流统一仓、OpenAI文本
2026-01-24 11:17:05
565
原创 Flink + Hive Functions HiveModule、原生聚合加速、复用 Hive UDF/UDTF/UDAF
本文介绍了Flink集成Hive函数的关键技术点。HiveModule允许在Flink中直接调用Hive内置函数，但需注意线程安全问题。1.17版本引入的native聚合函数支持hash聚合优化性能，可通过配置开关启用。Flink能自动转换Hive的UDF/UDTF/UDAF等函数，实现代码复用。生产实践中建议进行正确性和性能验证，特别关注UDTF扩行和聚合函数优化场景。使用时需确保满足HiveCatalog、jar包加载等前置条件，并注意版本兼容性和线程安全问题。
2026-01-23 14:27:59
568
原创 Flink Hive 把 Hive 表变成“可流式消费”的数仓底座
本文介绍了Flink与Hive集成的核心功能和使用场景。主要内容包括：1）Hive作为数据源，支持批量和流式读取，可监控新增分区或文件；2）Hive作为维表，实现实时数仓中的Temporal Join；3）写入Hive的方式，批处理支持覆盖写入，流处理通过分区提交策略逐步可见数据；4）性能优化技巧，如向量化读取、并行度推断等；5）注意事项，如原子性要求、分区爆炸风险、对象存储的Exactly-once实现等。文章还提供了SQL配置示例和常见问题的解决方案，帮助开发者高效构建实时数仓链路。
2026-01-23 13:49:30
664
原创 Flink × Hive HiveCatalog 一键接入元数据，Flink 直接读写 Hive 表
HiveCatalog用于元数据共享管理，适合多团队协作场景；直接读写Hive表则用于数据流转场景。版本支持上需注意Hive 2.3.x和3.1.x系列，推荐使用Flink官方提供的bundled connector避免依赖冲突。实际使用中需配置Hadoop环境，通过SQL Client创建HiveCatalog后可实现跨会话表定义复用。典型问题包括Hadoop类缺失、Metastore连接失败和版本冲突等，建议优先使用整包依赖并正确配置环境变量。该整合方案既能实现流
2026-01-23 09:15:37
596
原创 Spring 新声明式 HTTP 客户端：HTTP Interface + RestClient，把“调用外部 API”写成接口
可放在类型上做统一配置，方法上用补齐具体动作；方法参数支持等。Home。
2026-01-22 13:22:22
388
原创 Flink SQL 压测最短闭环Print 验证正确性 + BlackHole 榨干性能上限（附 Join/Agg/TopN/UDF 模板）
本文介绍了如何通过Print和BlackHole两种方式高效测试Flink SQL的性能和正确性。Print适合小流量验证SQL逻辑的正确性，而BlackHole则用于大流量测试SQL的计算吞吐上限。文章提供了详细的测试步骤，包括创建测试表、数据生成、SQL模板以及关键指标监控方法，帮助开发者快速定位性能瓶颈。最后给出了完整的测试清单，确保测试过程全面可靠。这种方法能显著提高SQL调优效率，减少生产环境中的问题。
2026-01-22 13:09:40
459
原创 Flink BlackHole SQL Connector /dev/null 式“吞数据”Sink，压测与验证的神器
Flink黑表(BlackHole)是一种特殊的连接器，用于性能测试和瓶颈分析。它完全丢弃数据而不输出，适合压测场景。主要用途包括：1) 替换真实sink快速判断性能瓶颈是否来自外部系统；2) 与DataGen组合进行SQL极限吞吐测试；3) 与Print表配合使用(Print验证数据正确性，BlackHole测试性能)。在生产排障中，通过切换为黑表可以快速定位瓶颈来源(计算逻辑还是外部系统)。注意黑表不能验证数据正确性，仅用于性能评估。
2026-01-22 13:03:41
48
原创 Flink Print SQL Connector最强“肉眼调试”Sink，用对真的省一半时间
本文介绍了Flink Print Connector的使用方法和排障技巧。主要内容包括：1) 最小可用DDL语法；2) 输出格式解析，重点说明RowKind标识符(+I/-D/-U/+U)的含义；3) print-identifier参数在多并行任务中的日志区分作用；4) 将输出重定向到stderr的生产实践；5) 通过sink.parallelism控制打印并行度；6) DataGen与Print组合的快速验证模板；7) 生产环境使用建议，包括避免长期开启、添加过滤条件、关注RowKind等排障技巧。该连
2026-01-22 12:59:29
201
原创 Flink DataGen SQL Connector 本地造数、压测、边界数据与“像真数据”的生成技巧
本文详细介绍了Flink DataGen连接器的使用技巧，包括核心概念(bounded/unbounded)、常用参数配置(控速/有界/并行)、字段级定制方法(随机/序列/NULL注入)、特殊类型处理(字符串/集合)以及高级用法(LIKE复制表结构)。重点讲解了如何模拟真实数据场景，提供了压测和脏数据测试的配方模板，并总结了常见易错点，如字段长度限制、序列类型边界效应等。该指南适合需要快速生成测试数据的Flink开发者参考。
2026-01-22 12:04:32
820
原创 Flink DataGen SQL Connector 本地造数、压测、边界数据与“像真数据”的生成技巧
本文详细介绍了Flink DataGen连接器的使用技巧，包括核心概念(bounded/unbounded)、常用参数配置(控速/有界/并行)、字段级数据生成方法(random/sequence/NULL注入/时间控制)、字符串和集合类型处理、高级用法(LIKE复制表结构)，以及压测和脏数据测试的实用配方。重点指出了VARCHAR长度限制、sequence导致bounded、DATE/TIME字段特性等常见陷阱，为Flink数据生成测试提供了全面的技术指导。
2026-01-22 12:00:44
553
1
原创 Flink HBase SQL Connector RowKey 设计、Upsert 语义、维表 Join、缓存与写入调优
Flink SQL 连接 HBase 采用 Upsert 模式，必须定义 rowkey 字段作为主键。数据映射规则要求列族声明为 ROW 类型，rowkey 为原子字段。写入时需用 ROW(...) 构造列族值，读取支持 Scan 和维表 Join。生产环境中需重点优化 RowKey 设计以避免热点问题，可采用 Hash/Salt 前缀或倒排时间等方法。此外需关注一致性、幂等性、写入调优及 Lookup 缓存配置，并可通过 properties.* 参数透传 HBase 原生配置。
2026-01-22 11:21:37
815
原创 Flink HBase SQL Connector RowKey/列族映射、Upsert 语义、Lookup 维表、缓存与写入缓冲
本文介绍了 Flink 连接 HBase 的关键配置要点：1) HBase 始终以 Upsert 模式运行，必须定义 rowkey 作为主键；2) 列族需声明为 ROW 类型，支持选择性映射；3) 写入时需用 ROW() 构造列族值，可配置 NULL 值处理；4) 支持扫描查询和维表 Join，可开启异步查询提升性能；5) 提供写入缓冲、Lookup 缓存等优化参数，并支持 HBase 原生配置透传。文章还特别强调了数据类型映射中空字节与 NULL 的转换规则，最后给出了一个生产级配置模板。
2026-01-22 09:16:57
766
原创 Flink FileSystem SQL Connector 分区文件表、目录监听、滚动策略、Compaction 与 Partition Commit（避坑指南）
本文详细介绍了 Flink FileSystem SQL Connector 的核心功能和使用方法。该连接器支持访问本地、HDFS、S3等文件系统，内置在 Flink 中无需额外依赖。重点内容包括： 分区表定义与 Hive 风格目录结构 源端配置（一次性扫描/持续监听） 文件元数据列的使用技巧 写入机制（滚动策略、文件格式差异） 小文件合并功能及注意事项 分区提交策略（process-time/partition-time）与时
2026-01-22 09:15:52
618
原创 Flink OpenSearch SQL Connector Append/Upsert、动态索引、Exactly-Once 与性能调参
本文介绍了Flink OpenSearch SQL Connector的核心功能与使用要点。该Connector支持批处理和流式写入，可根据DDL主键定义选择Append或Upsert模式。文章详细说明了版本依赖、文档ID生成规则、动态索引路由策略、交付语义配置、Bulk写入优化参数以及安全认证等关键特性。特别强调了主键设计、Upsert模式匹配、checkpoint协调等生产环境常见问题，并提供了性能调优建议和上线前检查清单，帮助开发者正确配置和使用该Connector实现数据高效写入OpenSearch
2026-01-20 13:20:10
730
原创 Flink 2.2 连接器打通 AWS（DynamoDB/Kinesis/Firehose）与 Elasticsearch/MongoDB/JDBC 的数据链路
本文介绍了Flink与AWS DynamoDB、Kinesis、Elasticsearch等组件的集成方案。重点包括：DynamoDB Streams作为CDC源时保持主键有序性的特点；Kinesis Firehose Sink的批处理参数配置；Elasticsearch两种写入方式的语义差异（DataStream提供at-least-once，SQL Connector需注意主键规则）；以及MongoDB Connector的Upsert和分片写入特性。文章还指出了Kinesis版本迁移的兼容性问题，为构
2026-01-20 13:18:59
855
原创 Flink 2.2 连接器打通 AWS（DynamoDB/Kinesis/Firehose）与 Elasticsearch/MongoDB/JDBC 的数据链路
本文介绍了Flink与AWS数据服务的集成方案，重点分析了DynamoDB、Kinesis、Elasticsearch和MongoDB的连接器使用要点。主要内容包括：1）DynamoDB Streams作为CDC源时保证主键有序性，BatchWriteItem实现批量写入；2）Kinesis Firehose Sink的批量投递参数配置；3）Elasticsearch两种写入方式的语义差异（DataStream提供至少一次，SQL支持动态索引）；4）MongoDB连接器支持分片集合的幂等写入和维表关联缓存。
2026-01-19 15:54:00
568
原创 Flink JDBC SQL Connector 用一张 DDL 打通任意关系型数据库（Scan / 维表 Join / Upsert 落库 / Catalog）
Flink JDBC SQL Connector 提供 Scan、Lookup、Sink 三种模式，支持批处理和流处理。使用要点包括：定义主键实现 Upsert 模式写入，否则只能 Append 模式；需自行添加 JDBC 驱动依赖；支持分区扫描提升大表读取效率；维表 Join 可通过缓存优化性能。关键配置涉及连接参数、批量读取设置、缓存策略和写入缓冲等。建议生产环境务必定义主键确保写入幂等性，并合理调整参数平衡吞吐与延迟。此外，JdbcCatalog 可将外部数据库直接映射为 Flink Catalog，
2026-01-19 13:41:04
676
原创 Flink MongoDB SQL Connector Scan/Lookup/Sink 全打通，Upsert、分片集群与缓存一篇讲透
Flink MongoDB Connector 使用指南：当前 Flink 2.2 版本暂无可用连接器，需自行添加依赖。写入模式由主键决定：定义主键支持 Upsert 模式（幂等写入），无主键仅支持 Append 模式。建议显式定义主键映射到 MongoDB 的 _id 字段，并注意分片集群需用 PARTITIONED BY 声明 shard key。扫描读取支持多种并行策略（single/sample/split-vector/sharded），维表查询可启用 PARTIAL 缓存提升性能。使用时需
2026-01-19 11:20:44
868
原创 Flink SQL 接入 Amazon Kinesis Data Streams 版本迁移、DDL、EFO/Polling、分区与常见坑一篇搞定
Flink 2.2 暂不支持 Kinesis SQL Connector，需等待官方更新或降级版本。Kinesis Connector 分新旧两套接口（SourceFunction/SinkFunction 与 Source/Sink），需注意版本兼容性，避免 TableFactory 冲突。迁移时需停作业重启，通过时间点对齐实现数据接续，接受可能的重复处理。 创建 Kinesis 表需指定 ARN、区域、初始位置（如 LATEST）及数
2026-01-19 11:10:45
673
原创 Flink Firehose Sink 把实时流数据稳定写进 Amazon Kinesis Data Firehose
本文详细介绍了如何在Apache Flink中使用Kinesis Firehose Connector。主要内容包括：版本兼容性说明（Flink 2.2暂不支持）；核心实现原理（基于AWS SDK v2批量写入）；Java/Python代码示例；关键配置参数详解（批量写入、错误处理、背压控制等）；生产环境调优建议（低延迟/高吞吐两种场景）；以及本地调试技巧（使用Localstack或VPC Endpoint）。文章特别强调了Firehose API的固有限制（500条/4MiB/1000KB）及对应参数调优
2026-01-18 21:38:17
740
原创 Flink Elasticsearch Connector 从 0 到 1 搭一个高吞吐、可容错的 ES Sink
Flink 2.2版本目前尚未提供Elasticsearch连接器依赖，建议使用稳定版本如1.20/2.0。配置ES Sink时需根据ES版本选择6.x或7.x连接器，核心是通过BulkProcessor实现批量写入。启用checkpoint可保证at-least-once语义，配合deterministic id和upsert可实现类exactly-once效果。关键参数包括flush策略（maxActions/maxSize/interval）和backoff重试机制。注意PyFlink需额外加载JAR
2026-01-18 21:26:04
790
原创 Flink DynamoDB Connector 用 Streams 做 CDC，用 BatchWriteItem 高吞吐写回
做集成测试时，很常见要写到 Localstack，或写到 VPC Endpoint。Flink 文档给了明确做法：设置，并同时设置AWS_REGION（region 用于对 endpoint URL 做签名）。这招对 Source 和 Sink 都适用，尤其适合做端到端回归测试。
2026-01-18 17:47:19
696
原创 Apache Cassandra Connector Flink 与宽列存储的高吞吐协作
本文介绍了Flink与Cassandra的集成使用方式。主要内容包括：1) Maven依赖配置和本地Cassandra环境搭建；2) Cassandra Source的有界批量读取能力及POJO映射实现；3) Cassandra Sink的高吞吐写入配置选项，包括Tuple和POJO两种写入方式；4) Exactly-Once语义实现及Write-Ahead Log机制；5) 实战WordCount示例；6) 适用场景分析。Cassandra Connector适合作为Flink计算结果的高吞吐落地层，但不
2026-01-17 14:24:46
838
原创 一篇搞懂 Flink 常用数据源与连接器从 PyFlink 环境变量到 Kafka 实战
本文介绍了PyFlink开发中的关键配置与连接器使用。主要内容包括：1）PyFlink环境变量FLINK_HOME和PYFLINK_CLIENT_EXECUTABLE的配置要点，直接影响任务执行环境；2）通过Hadoop兼容模块复用Hadoop生态的InputFormat体系；3）DataGen连接器在本地开发和测试中的应用；4）Kafka连接器的核心功能，包括Source/Sink实现、消费语义和监控指标。文章强调了Flink生态连接能力的重要性，这些组件共同决定了开发效率和生产系统的稳定性。
2026-01-17 13:43:24
683
原创 Dynamic Kafka Source不重启也能“动态切换集群/主题”
在传统 KafkaSource 里，如果你需要“新增/下线 topic”、或者“Kafka 集群迁移/故障切换”，大多数时候都绕不开改配置 + 重启作业。Dynamic Kafka Source 的目标就是把这件事自动化：它通过一个“Kafka 元数据服务（KafkaMetadataService）”把逻辑流（stream id）解析成实际集群 + topic 列表，然后在运行中定期轮询元数据变化，自动完成订阅变更，做到“透明迁移/透明扩容/透明下线”。
2026-01-16 09:38:30
711
原创 DataGen Connector本地造数神器（不用 Kafka 也能把 Pipeline 跑起来）
DataGen（DataGeneratorSource）是 Flink 内置的“造数”Source：不依赖任何外部系统、不需要额外 jar，非常适合本地开发、联调、写 Demo、压测算子链路。
2026-01-16 09:33:20
367
建议一个名称为 FusionDepthSR，即“融合深度超分辨网络” 这个名称突出了项目核心：利用 RGB 图像引导，实现深度图的超分辨率重建，并通过多尺度与反馈机制融合特征，提升重建效果
2025-03-08
Middlebury2014 & RGB TRAIN 深度超分数据集
2025-03-08
axure web元件库.zip
2024-05-17
Wav2Vec2模型文件
2024-02-29
arcface模型文件
2024-02-28
Resnet152模型文件基于2048维度的向量
2024-02-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人