Flink读取Kafka数据保存到Redis的解决方案教程

张长志技术全才、擅长领域:区块链、大数据、Java等。10余年软件研发及企业培训经验,曾为多家大型企业提供企业内训如中石化,中国联通,中国移动等知名企业。拥有丰富的企业应用软件开发经验、深厚的软件架构设计理论基础及实践能力。项目开发历程:基于大数据技术推荐系统 ,医疗保险大数据分析与统计推断,H5跨平台APP,携程酒店APP,Go语言实现Storm和ZK类似框架。
【课程介绍】

大数据发展史:

Flink和storm sparkstreaming对比

实时框架如何选择
1:需要关注流数据是否需要进行状态管理 
2:At-least-once或者Exectly-once消息投递模式是否有特殊要求 
3:对于小型独立的项目,并且需要低延迟的场景,建议使用storm 
4:如果你的项目已经使用了spark,并且秒级别的实时处理可以满足需求的话,建议使用sparkStreaming
5:要求消息投递语义为 Exactly Once 的场景;数据量较大,要求高吞吐低延迟的场景;需要进行状态管理或窗口统计的场景,建议使用flink

针对以上知识我们通过flink读取kafka保存到redis方式快速让大家学习flink如何使用,以及我们如果搭建高性能的flink应用,这个课程属于快速实战篇。

Flink + kafka + redis 实时计算


【课程收益】
1.通过flink读取kafka保存到redis方式快速让大家学习flink如何使用
2.Flink + kafka + redis 实时计算
章节目录
阅读更多