1.将软件包kafka_2.12-3.0.0.tgz上传到/opt/software/目录下，解压到/opt/module/目录下tar-zxvfkafka_2.12-3.0.0.tgz-C/opt/module/2.修改解压后的文件名称 mvkafka_2.12-3.0.0/kafka 3.进入到/opt/module/kafka目录，修改配置文件cdconfig/vimserver.properties找到log.dirs，并修改成下面代码log.dirs=/opt/module/kafka/datas找到zookeeper.connect，并修改成下面代码zookeeper.conn
1.将软件包kafka_2.12-3.0.0.tgz上传到/opt/software/目录下，解压到/opt/module/目录下tar-zxvfkafka_2.12-3.0.0.tgz-C/opt/module/2.修改解压后的文件名称 mvkafka_2.12-3.0.0/kafka 3.进入到/opt/module/kafka目录，修改配置文件cdconfig/vimserver.properties找到log.dirs，并修改成下面代码log.dirs=/opt/module/kafka/datas找到zookeeper.connect，并修改成下面代码zookeeper.conn
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
在上一篇文章中我实现了一个支持Debug、Info、Error等多个级别的日志库，并将日志写到了磁盘文件中，代码比较简单，适合练手。有兴趣的可以通过这个链接前往：https://github.com/bosima/ylog/releases/tag/v1.0.1工程实践中，我们往往还需要对日志进行采集，将日志归集到一起，然后用于各种处理分析，比如生产环境上的错误分析、异常告警等等。在日志消息系统领域，Kafka久负盛名，这篇文章就以将日志发送到Kafka来实现日志的采集；同时考虑到日志分析时对结构化数据的需求，这篇文章还会提供一种输出Json格式日志的方法。这个升级版的日志库还要保持向前兼容，
在上一篇文章中我实现了一个支持Debug、Info、Error等多个级别的日志库，并将日志写到了磁盘文件中，代码比较简单，适合练手。有兴趣的可以通过这个链接前往：https://github.com/bosima/ylog/releases/tag/v1.0.1工程实践中，我们往往还需要对日志进行采集，将日志归集到一起，然后用于各种处理分析，比如生产环境上的错误分析、异常告警等等。在日志消息系统领域，Kafka久负盛名，这篇文章就以将日志发送到Kafka来实现日志的采集；同时考虑到日志分析时对结构化数据的需求，这篇文章还会提供一种输出Json格式日志的方法。这个升级版的日志库还要保持向前兼容，
broker的数量最好大于等于partition数量一个partition最好对应一个硬盘，这样能最大限度发挥顺序写的优势。一个broker如果对应多个partition，需要随机分发，顺序IO会退化成随机IO。实验条件：3个Broker，1个Topic，无Replication，异步模式，3个Producer，消息Payload为100字节：第一阶段：当Partition数量小于Broker个数时，Partition数量越大，吞吐率越高，且呈线性提升。Kafka会将所有Partition均匀分布到所有Broker上，所以当只有2个Partition时，会有2个Broker为该Topic服务。
broker的数量最好大于等于partition数量一个partition最好对应一个硬盘，这样能最大限度发挥顺序写的优势。一个broker如果对应多个partition，需要随机分发，顺序IO会退化成随机IO。实验条件：3个Broker，1个Topic，无Replication，异步模式，3个Producer，消息Payload为100字节：第一阶段：当Partition数量小于Broker个数时，Partition数量越大，吞吐率越高，且呈线性提升。Kafka会将所有Partition均匀分布到所有Broker上，所以当只有2个Partition时，会有2个Broker为该Topic服务。
目录一、TableAPI和FlinkSQL是什么二、配置Table依赖（scala）三、两种planner（old&blink）的区别四、Catalogs1）Catalog概述2）Catalog类型3）如何创建Flink表并将其注册到Catalog1、下载flink-sql-connector-hive相关版本jar包，放在$FLINK_HOME/lib目录下2、添加Maven依赖2、使用SQLDDL五、SQL客户端1）启动SQL客户端命令行界面2）执行SQL查询1、standalone模式（默认）2、yarn-session模式（常驻集群）3、启动sql-clientonyarn-sessi
目录一、TableAPI和FlinkSQL是什么二、配置Table依赖（scala）三、两种planner（old&blink）的区别四、Catalogs1）Catalog概述2）Catalog类型3）如何创建Flink表并将其注册到Catalog1、下载flink-sql-connector-hive相关版本jar包，放在$FLINK_HOME/lib目录下2、添加Maven依赖2、使用SQLDDL五、SQL客户端1）启动SQL客户端命令行界面2）执行SQL查询1、standalone模式（默认）2、yarn-session模式（常驻集群）3、启动sql-clientonyarn-sessi
