1.首先客户需要在消息通知服务（SMN）中提前创建一个【主题】，并将客户指定的邮箱或者手机号添加到主题订阅中。这时候指定的邮箱或者手机会收到请求订阅的通知，点击链接确认订阅即可。2.创建FlinkSQL作业，编写作业SQL完成后，配置【运行参数】。2.1配置作业的【CU数量】、【管理单元】与【最大并行数】，依据如下公式：CU数量=管理单元+(算子总并行数/单TMSlot数)*单TM所占CU数例如：CU数量为9CU，管理单元为1CU，最大并行数为16，则计算单元为8CU。如果不手动配置TaskManager资源，则单TM所占CU数默认为1，单TMslot数显示值为0，实际值依据上述公式计算结果为
目录一、Flink中的状态1）键控状态（KeyedState）1、控件状态特点2、键控状态类型3、状态有效期(TTL)1）过期数据的清理2）全量快照时进行清理3）增量数据清理4）在RocksDB压缩时清理4、键控状态的使用2）算子状态（OperatiorState）1、算子状态特点2、算子状态类型3）广播状态(BroadcastState)二、状态后端（StateBackends）1）三种状态存储方式2）配置方式1、【第一种方式】基于代码方式进行配置2、【第二种方式】基于flink-conf.yaml配置文件的方式进行配置三、容错机制（checkpoint）1）一致性2）检查点（checkpo
目录一、Flink中的状态1）键控状态（KeyedState）1、控件状态特点2、键控状态类型3、状态有效期(TTL)1）过期数据的清理2）全量快照时进行清理3）增量数据清理4）在RocksDB压缩时清理4、键控状态的使用2）算子状态（OperatiorState）1、算子状态特点2、算子状态类型3）广播状态(BroadcastState)二、状态后端（StateBackends）1）三种状态存储方式2）配置方式1、【第一种方式】基于代码方式进行配置2、【第二种方式】基于flink-conf.yaml配置文件的方式进行配置三、容错机制（checkpoint）1）一致性2）检查点（checkpo
目录一、window概念二、时间窗口（TimeWindow）1）滚动窗口（TumblingWindows）2）滑动窗口（SlidingWindows）3）会话窗口（SessionWindows）三、windowAPI四、窗口分配器（windowassigner）1）增量聚合函数（incrementalaggregationfunctions）2）全窗口函数（fullwindowfunctions）3）其它可选windowAPI五、Flink中的时间语义六、设置EventTime七、水位线（Watermark）1）为什么需要水位线（Watermark）2）如何利用Watermark处理乱序数据问
目录一、window概念二、时间窗口（TimeWindow）1）滚动窗口（TumblingWindows）2）滑动窗口（SlidingWindows）3）会话窗口（SessionWindows）三、windowAPI四、窗口分配器（windowassigner）1）增量聚合函数（incrementalaggregationfunctions）2）全窗口函数（fullwindowfunctions）3）其它可选windowAPI五、Flink中的时间语义六、设置EventTime七、水位线（Watermark）1）为什么需要水位线（Watermark）2）如何利用Watermark处理乱序数据问
目录一、概述二、核心组件三、PatternAPI1）个体模式（IndividualPatterns）1、量词2、条件2）组合模式（CombiningPatterns，也叫模式序列）1、事件之间的连续策略2、循环模式中的连续性3）模式组（GroupofPattern）匹配后跳过策略四、Pattern检测五、FlinkCEP应用场景六、安装Kafka（window）1）下载kafka2）配置环境变量3）创建相关文件4）修改配置5）启动zookeeper和kafka服务6）常用操作七、FlinkCEP实战（java版）1）开发流程2）FlinkCEP快速上手1、配置Maven2、下载项目3、执行解析
目录一、概述二、核心组件三、PatternAPI1）个体模式（IndividualPatterns）1、量词2、条件2）组合模式（CombiningPatterns，也叫模式序列）1、事件之间的连续策略2、循环模式中的连续性3）模式组（GroupofPattern）匹配后跳过策略四、Pattern检测五、FlinkCEP应用场景六、安装Kafka（window）1）下载kafka2）配置环境变量3）创建相关文件4）修改配置5）启动zookeeper和kafka服务6）常用操作七、FlinkCEP实战（java版）1）开发流程2）FlinkCEP快速上手1、配置Maven2、下载项目3、执行解析
目录一、DataStreamAPI概述二、什么是DataStream？三、DataStream数据处理过程1）DataSources（数据源）1、DataSources原理2、DataSources实现方式1）基于文件2）基于套接字3）基于集合4）自定义2）DataStreamTransformations（数据流转换//处理/算子）1、数据流转换2、物理分区3、算子链和资源组3）DataSinks（数据输出）旁路输出（分流）2）Flink程序剖析（scala）1、获取一个执行环境（executionenvironment）2、加载/创建初始数据3、指定数据相关的转换4、指定计算结果的存储位置
目录一、DataStreamAPI概述二、什么是DataStream？三、DataStream数据处理过程1）DataSources（数据源）1、DataSources原理2、DataSources实现方式1）基于文件2）基于套接字3）基于集合4）自定义2）DataStreamTransformations（数据流转换//处理/算子）1、数据流转换2、物理分区3、算子链和资源组3）DataSinks（数据输出）旁路输出（分流）2）Flink程序剖析（scala）1、获取一个执行环境（executionenvironment）2、加载/创建初始数据3、指定数据相关的转换4、指定计算结果的存储位置
目录一、下载安装IDEA二、搭建本地hadoop环境（window10）三、安装Maven四、新建项目和模块1）新建maven项目2）新建flink模块五、配置IDEA环境（scala）1）下载安装scala插件2）配置scala插件到模块或者全局环境3）创建scala项目4）DataStreamAPI配置1、Maven配置2、示例演示5）TableAPI&SQL配置1、Maven配置2、示例演示6）HiveCatalog1、Maven配置2、Hadoop与HiveGuava冲突问题3、示例演示7）下载flink并本地启动集群（window）8）完成版配置1、maven配置2、log4j2.x
