Flink系列之：Apache Kafka SQL 连接器
例如在 SQL client JAR 中，Kafka client 依赖被重置在了 org.apache.flink.kafka.shaded.org.apache.kafka 路径下， 因此 plain 登录模块的类路径应写为 org.apache.flink.kafka.shaded.org.a
Flink系列之：Table API Connectors之Raw Format
然后，你可以将原始数据读取为纯字符串，之后使用用户自定义函数将其分为多个字段进行进一步分析。例如 示例中的 my_split。相对应的，你也可以将一个 STRING 类型的列以 UTF-8 编码的匿名字符串值写入 Kafka topic。例如，你可能在 Kafka 中具有原始日志数据，并希望使用 F
Flink系列之：Upsert Kafka SQL 连接器
更准确地说，数据记录中的 value 被解释为同一 key 的最后一个 value 的 UPDATE，如果有这个 key（如果不存在相应的 key，则该更新被视为 INSERT）。总之，这段代码的作用是通过Kafka连接器创建两个表，并将"pageviews"表中的数据计算出每个地区的pv和uv，并
Flink系列之：Table API Connectors之JSON Format
为了使用 Json 格式，使用构建自动化工具（例如 Maven 或 SBT）的项目和带有 SQL JAR 包的 SQL 客户端都需要以下依赖项。JSON Format 能读写 JSON 格式的数据。当前，JSON schema 是从 table schema 中自动推导而得的。不支持显式地定义 JS
Flink系列之：深入理解ttl和checkpoint，Flink SQL应用ttl案例
通过保存作业状态的快照，Flink能够保证作业的一致性，并提供了高可用性和高效率的保存和恢复机制。冷启动和部署：可以使用检查点来实现作业的冷启动，即在作业启动时，从最近的检查点恢复状态和数据，并从上一次检查点的位置继续处理。当窗口中的数据过期时，Flink会自动丢弃这些数据，从而保持窗口中的数据只包
Flink系列之：Table API Connectors之Debezium
这也意味着，在非正常情况下，Debezium 可能会投递重复的变更事件到 Kafka 中，当 Flink 从 Kafka 中消费的时候就会得到重复的事件。请使用 debezium-avro-confluent 来解析 Debezium 的 Avro 消息，使用 debezium-json 来解析 D
Flink系列之：Checkpoints 与 Savepoints
从概念上讲，Flink 的 savepoints 与 checkpoints 的不同之处类似于传统数据库系统中的备份与恢复日志之间的差异。Checkpoints 的主要目的是为意外失败的作业提供恢复机制。Checkpoint 的生命周期 由 Flink 管理， 即 Flink 创建，管理和删除 ch
Flink系列之：背压下的检查点
然而，当 Flink 作业正运行在严重的背压下时，Checkpoint 端到端延迟的主要影响因子将会是传递 Checkpoint Barrier 到 所有的算子/子任务的时间。在启动时，每个 Checkpoint 仍然是 aligned checkpoint，但是当全局 Checkpoint 持续时
Flink系列之：Elasticsearch SQL 连接器
Elasticsearch 将文档存储在 JSON 字符串中。因此数据类型映射介于 Flink 数据类型和 JSON 数据类型之间。Flink 为 Elasticsearch 连接器使用内置的 ‘json’ 格式。下表列出了 Flink 中的数据类型与 JSON 中的数据类型的映射关系。
Flink系列之：JDBC SQL 连接器
在 Flink 中，当查询由 Postgres catalog 注册的表时，用户可以使用 schema_name.table_name 或只有 table_name，其中 schema_name 是可选的，默认值为 “public”。在 Flink 中，当查询由 MySQL catalog 注册的表
Flink系列之：动态发现新增分区
Flink系列之：动态发现新增分区
Flink系列之：使用Flink CDC从数据库采集数据，设置checkpoint支持数据采集中断恢复，保证数据不丢失
Flink系列之：使用Flink CDC从数据库采集数据，设置checkpoint支持数据采集中断恢复，保证数据不丢失。
Flink系列Table API和SQL之：滚动窗口、滑动窗口、累计窗口、分组聚合
Flink系列Table API和SQL之：滚动窗口、滑动窗口、累计窗口、分组聚合
Flink系列Table API和SQL之：表和流的转换
Flink系列Table API和SQL之：表和流的转换
Flink系列之：基于scala语言实现flink实时消费Kafka Topic中的数据
Flink系列之：基于scala语言实现flink实时消费Kafka Topic中的数据
Flink系列Table API和SQL之：创建表环境和创建表
Flink系列Table API和SQL之：创建表环境和创建表
Flink系列之：Flink CDC深入了解MySQL CDC连接器
Flink系列之：Flink CDC深入了解MySQL CDC连接器
