Flink：流上的“不确定性”（Non-Determinism）
先明确一下什么叫“确定性”：对于一个“操作”来说，如果每次给它的“输入”不变，操作输出的“结果”也不变，那么这个操作就是“确定性“的。通常，我们认为批处理的操作都是确定的，比如针对一张 clicks 表，假如表中的数据没有变化，无论我们执行多少次 SELECT * FROM clicks 操作，它的
【大数据】深入浅出 Apache Flink：架构、案例和优势
总的来说，Apache Flink 有几个显著的优点，使其成为当今最流行的分析引擎之一。它的速度快如闪电，是一个分布式系统，能以容错的方式处理批处理和流式数据，还能处理大型数据集，这些优点使它成为各种应用的理想选择。
【大数据】流处理基础概念（一）：Dataflow 编程基础、并行流处理
现实世界的系统、网络及通信信道往往充斥着缺陷，因此流数据通常都会有所延迟或者以乱序到达。了解如何在这种情况下提供精准确定的结果就变得至关重要。此外，处理实时事件的流处理应用还应以相同的方式处理历史事件，这样才能支持离线分析，甚至时间旅行式分析。当然，如果你的系统无法在故障时保护状态，那一切都是空谈。
[4] Flink大数据流式处理利剑: Flink集群安装和运行
本节笔者总结了如何在一个机器上安装集群，以及在多个机器上安装集群；并提到了通过zookeeper可以让Flink集群的Master节点也保持高可用；最后演示了如何部署一个SocketWindowWordCount.jar的例子，并在Flink的Web UI上面观察其job的执行情况和输出！
