آموزش Apache Flink: تجزیه و تحلیل داده های اکتشافی با SQL

سرفصل ها و درس ها

مقدمه Introduction

• Apache Flink برای تجزیه و تحلیل اکتشافی Apache Flink for exploratory analysis

1. API های رابطه ای Flink 1. Flink Relational APIs

• Apache Flink چیست؟ What is Apache Flink?

• چشم انداز API های رابطه ای Flink relational APIs

• ادغام و اتصالات Integrations and connectors

• پیش نیازهای دوره Course prerequisites

• تنظیم پرونده های تمرینی Setting up the exercise files

2. تجزیه و تحلیل اساسی دسته ای 2. Basic Batch Analytics

• ایجاد یک محیط میز Creating a table environment

• ایجاد جداول از CSV Creating tables from a CSV

• انتخاب داده های جدول Selecting table data

• فیلتر کردن داده ها در جداول Filtering data in tables

• نوشتن جداول به پرونده ها Writing tables to files

3. تجزیه و تحلیل پیشرفته دسته ای 3. Advanced Batch Analytics

• جمع شدن بر روی جداول Aggregations on tables

• سفارش و محدود کردن داده ها Ordering and limiting data

• اضافه کردن ستون های جدید Adding new columns

• جداول پیوستن Joining tables

• کار با مجموعه داده ها Working with datasets

4. جریان SQL 4. Streaming SQL

• چالش هایی با پخش SQL Challenges with streaming SQL

• جداول پویا Dynamic tables

• افزودن و جمع کردن داده ها Appending and retracting data

• منابع کافکا را مصرف می کنید Consuming Kafka sources

• در حال انجام نمایش داده شد Running continuous queries

5. تجزیه و تحلیل جریان پیشرفته 5. Advanced Streaming Analytics

• باد در جریان Windowing on streams

• با استفاده از پنجره های خاموش و کشویی Using tumbling and sliding windows

• جداول نوشتن به کافکا Writing tables to Kafka

• کار با جریان داده ها Working with data streams

• با استفاده از زمان رویداد Using event time

6. از Project Case استفاده کنید 6. Use Case Project

• از تعریف مسئله مورد استفاده کنید Use case problem definition

• داده های منبع را در یک جدول Flink بخوانید Read source data into a Flink table

• کل نمرات را محاسبه کنید Compute total scores

• محاسبه جمع Compute aggregations

نتیجه Conclusion

• مراحل بعدی Next steps