前言 参考文章中，给出的cdh编译后的flink，已经下架，所以我们得想办法，编译。参考别人的文章不可怕，怕的是，不思进取，我们可以参考别人的文章，并且对不足之处，进行改进，将优秀的地方，进行学习，这样我们国家和民族的技术文章和社区，才能不断进步。可能有一天我不干程序员了，但是技术更新了，那时，我也希望，我的文章能被别人拿走，进行改进，造福开源社区。于是，此文章是基于参考文章为基础，进行的改进版注意flink版本千万不要选超过1.2的否则将会多一个很麻烦的shared包编译，会出现很多问题需要cdh集群（前提）---我已经搭建好了flink的-parcel包制作FlinkParcel包1）下载
文章目录一Flink中的Window1Window（1）Window概述（2）Window类型a滚动窗口（TumblingWindows）b滑动窗口（SlidingWindows）c会话窗口（SessionWindows）2WindowAPI（1）处理时间窗口a滚动窗口b滑动窗口c会话窗口（2）事件时间窗口a滚动窗口b滑动窗口c会话窗口（3）窗口聚合函数a全窗口聚合函数b增量聚合函数c增量聚合和全窗口聚合结合使用【推荐】（4）使用KeyedProcessFunction模拟滚动窗口（5）其他可选API（6）基于Key的窗口（7）不分流直接开窗口3总结一Flink中的Window1Window（
文章目录一Flink中的Window1Window（1）Window概述（2）Window类型a滚动窗口（TumblingWindows）b滑动窗口（SlidingWindows）c会话窗口（SessionWindows）2WindowAPI（1）处理时间窗口a滚动窗口b滑动窗口c会话窗口（2）事件时间窗口a滚动窗口b滑动窗口c会话窗口（3）窗口聚合函数a全窗口聚合函数b增量聚合函数c增量聚合和全窗口聚合结合使用【推荐】（4）使用KeyedProcessFunction模拟滚动窗口（5）其他可选API（6）基于Key的窗口（7）不分流直接开窗口3总结一Flink中的Window1Window（
1. 典型应用场景阿里云 Flink 与 Hologres 深度集成，助力企业快速构建一站式实时数仓：可通过阿里云 Flink 实时写入 Hologres，高性能写入与更新，数据写入即可见，无延迟，满足实时数仓高性能低延迟写入需求；可通过阿里云 Flink 的全量读取、Binlog 读取、CDC 读取、全增量一体化等多种方式，读取 Hologres 源表数据，无需额外组件，统一计算和存储，加速数据流转效率；可通过阿里云 Flink 读取 Hologres 维表，助力高性能维表关联、数据打宽等多种应用场景；阿里云 Flink 与 Hologres 元数据打通，通过 Hologres Catalo
1. 典型应用场景阿里云 Flink 与 Hologres 深度集成，助力企业快速构建一站式实时数仓：可通过阿里云 Flink 实时写入 Hologres，高性能写入与更新，数据写入即可见，无延迟，满足实时数仓高性能低延迟写入需求；可通过阿里云 Flink 的全量读取、Binlog 读取、CDC 读取、全增量一体化等多种方式，读取 Hologres 源表数据，无需额外组件，统一计算和存储，加速数据流转效率；可通过阿里云 Flink 读取 Hologres 维表，助力高性能维表关联、数据打宽等多种应用场景；阿里云 Flink 与 Hologres 元数据打通，通过 Hologres Catalo
文章目录一、Standalone集群部署1、节点划分2、standalone集群部署3、任务提交测试二、FlinkOnYarn1、Flink不同版本与Hadoop整合2、FlinkonYarn配置及环境准备3、任务提交测试Flink的安装和部署主要分为本地（单机）模式和集群模式，其中本地模式只需直接解压就可以使用，不用修改任何参数，一般在做一些简单测试的时候使用。本地模式在这里不再赘述。集群部署模式主要包含Standalone、HadoopYarn、Kubernetes等，Flink可以借助以上资源管理器来实现分布式计算，目前企业使用最多的是Flink基于HadoopYarn资源管理器模式，下
文章目录一、Standalone集群部署1、节点划分2、standalone集群部署3、任务提交测试二、FlinkOnYarn1、Flink不同版本与Hadoop整合2、FlinkonYarn配置及环境准备3、任务提交测试Flink的安装和部署主要分为本地（单机）模式和集群模式，其中本地模式只需直接解压就可以使用，不用修改任何参数，一般在做一些简单测试的时候使用。本地模式在这里不再赘述。集群部署模式主要包含Standalone、HadoopYarn、Kubernetes等，Flink可以借助以上资源管理器来实现分布式计算，目前企业使用最多的是Flink基于HadoopYarn资源管理器模式，下
下载地址：https://github.com/ververica/flink-cdc-connectors/releases这里下载2.2.0版本：https://github.com/ververica/flink-cdc-connectors/archive/refs/tags/release-2.2.0.zip下载完成后，在pom.xml中找到这一项：flink.version，修改flink版本号为：flink.version>1.13.6flink.version>自行打包编译通过flink-cdc同步mysql数据1、flink集群准备wgethttp://mirrors.clo
下载地址：https://github.com/ververica/flink-cdc-connectors/releases这里下载2.2.0版本：https://github.com/ververica/flink-cdc-connectors/archive/refs/tags/release-2.2.0.zip下载完成后，在pom.xml中找到这一项：flink.version，修改flink版本号为：flink.version>1.13.6flink.version>自行打包编译通过flink-cdc同步mysql数据1、flink集群准备wgethttp://mirrors.clo
Flink中的状态一、Flink中的状态1、算子状态1.1算子状态数据结构1.2算子状态案例2、键控状态（KeyedState）—更常用2.1键控状态数据结构2.2键控状态的使用2.3键控状态的API3、键控状态的案例4、状态后端（StateBackends）4.1状态后端了解4.2状态后端的类型4.3状态后端的设置一、Flink中的状态1）由一个任务维护，并且用来计算某个结果的所有数据，都属于这个任务的状态。2）可以认为状态就是一个本地变量（一般放在本地内存，本地内存读取修改什么的都比较快），可以被任务的业务逻辑访问。3）Flink会进行状态管理，包括状态一致性、故障处理以及高效存储和访问，
