本阶段主要内容
- State的容错与一致性介绍
- 流计算中Exactly-once语义的多种实现思路
- 如何实现Flink任务的端到端一致性？
- Checkpoint(快照)机制详解
- 如何保存多个Checkpoint？
- 从Checkpoint进行恢复
- Savepoint详解
- Checkpoint VS Savepoint
- Savepoint保证程序可移植性的前提条件
- 手工触发Savepoint并从Savepoint进行恢复
- State Backend(状态的存储方式)
- State的生存时间(TTL)
- Window中的数据存在哪里？
- Checkpoint的生成过程和恢复过程详解
- Checkpoint Barrier详解
- Kafka+Flink+Kafka实现端到端一致性
- Flink-Kafka相关源码分析
欢迎加入QQ群聊人生、谈理想、解决各种大数据疑难问题！
QQ群号：938632081
