罗江宇
Flink技术专家，先后就职于新浪微博、滴滴和某大型电商公司。先后主导或参与了多家公司的Flink实时计算服务的构建、对超大规模集群的维护以及Flink引擎的改造。拥有丰富的实时计算实战经验，目前专注于Kubernetes调度、Flink SQL及Flink流批一体化方向。
赵士杰
资深大数据技术专家，曾就职于滴滴、阿里巴巴等一线互联网公司。从0到1深度参与了滴滴的大数据建设，拥有非常丰富的大数据平台一线建设经验，对于大数据领域的计算和存储引擎也有深入研究。
李涵淼
大数据研发专家，曾任滴滴大数据开发工程师。从事大数据领域工作多年，参与过多家公司流计算平台的设计与研发，目前专注于批流一体、OLAP技术方向的研究与应用。
闵文俊
蚂蚁集团技术专家、开源大数据社区爱好者、Flink Contributor，在实时计算领域工作多年，深度参与了滴滴、蚂蚁集团的实时计算平台建设。

前　言

第1章　阅读Flink源代码前的准备  1

1.1　环境准备  1

1.2　获取、编译和调试Flink的源代码  4

1.2.1　获取与导入Flink源代码  4

1.2.2　编译与调试Flink源代码  6

1.3　Flink源代码的目录结构  9

1.4　Flink设计理念与基本架构  11

1.4.1　Flink与主流计算引擎对比  11

1.4.2　Flink基本架构  14

1.5　本章小结  17

第2章　编程模型与API  18

2.1　DataStream  18

2.2　算子  21

2.3　窗口  28

2.3.1　窗口的基本概念  28

2.3.2　窗口的执行流程  30

2.3.3　窗口分配器  32

2.3.4　触发器  37

2.3.5　窗口函数  41

2.4　本章小结  43

第3章　运行时组件与通信  44

3.1　运行时组件  44

3.1.1　REST  45

3.1.2　Dispatcher  54

3.1.3　ResourceManager  61

3.1.4　JobMaster  75

3.1.5　TaskExecutor  85

3.2　组件间通信  95

3.2.1　Akka与Actor模型  95

3.2.2　组件间通信实现  99

3.3　运行时组件的高可用  117

3.3.1　Master节点上组件的高可用  117

3.3.2　现有运行时组件高可用存在的问题及其解决方案  126

3.4　本章小结  128

第4章　状态管理与容错  129

4.1　状态  129

4.1.1　状态的原理与实现  129

4.1.2　状态生存时间的原理与实现  134

4.2　检查点  137

4.2.1　检查点机制原理  137

4.2.2　检查点执行过程  137

4.2.3　任务容错  140

4.3　状态后端  143

4.4　本章小结  148

第5章　任务提交与执行  149

5.1　任务提交整体流程  149

5.2　DAG转换  152

5.2.1　DAG的4层转换  152

5.2.2　WordCount转换过程  152

5.3　Slot分配  160

5.3.1　相关概念和实现类  160

5.3.2　Slot申请流程  162

5.3.3　任务部署  168

5.4　任务执行机制  170

5.4.1　任务执行过程  170

5.4.2　MailBox线程模型  174

5.5　本章小结  177

第6章　Flink网络栈  178

6.1　内存管理  178

6.2　网络传输  182

6.2.1　什么是Flink网络栈  182

6.2.2　非流控模型的网络传输流程  184

6.2.3　流控模型的网络传输流程  197

6.3　流批一体的shuffle架构  199

6.3.1　生命周期管理  199

6.3.2　数据shuffle  207

6.4　本章小结  208

第7章　Flink Connector的设计与实现  209

7.1　Kafka Connector实现原理  209

7.1.1　Kafka Source Connector实现  209

7.1.2　Kafka Sink Connector 实现  216

7.2　HBase Table Connector 实现原理  220

7.2.1　HBase Source Connector和Sink Connector的工厂实现  221

7.2.2　HBase维表实现  222

7.3　本章小结  224

第8章　部署模式  225

8.1　Local部署  225

8.2　Standalone部署  228

8.3　Flink on YARN模式  240

8.3.1　YARN基本架构  240

8.3.2　Flink on YARN模式介绍  241

8.3.3　Flink on YARN启动过程  243

8.4　Flinkon Kubernetes模式  260

8.5　本章小结  265

第9章　Flink Table与SQL  266

9.1　StreamTableEnvironment类介绍  266

9.1.1　StreamExecution-Environment类   267

9.1.2　EnvironmentSettings类  267

9.1.3　TableConfig类  268

9.1.4　StreamTableEnvironment的创建过程  269

9.2　SQL解析过程  270

9.2.1　SQL解析  270

9.2.2　SQL优化  277

9.2.3　RelNode转换  279

9.3　Table Connector  281

9.3.1　TableSource  282

9.3.2　TableSink  286

9.3.3　SPI机制在Table Connector中的应用  288

9.4　UDF与内置算子  292

9.4.1　UDF  292

9.4.2　内置算子  294

9.5　本章小结  297

第10章　Flink CEP 原理解析  298

10.1　CEP的基本概念  298

10.1.1　什么是Flink CEP  298

10.1.2　Pattern  298

10.1.3　量词  300

10.1.4　条件  301

10.1.5　连接  302

10.1.6　Flink CEP作业编写举例  302

10.2　CEP内部实现原理  304

10.2.1　NFA简介  305

10.2.2　匹配过程  305

10.2.3　CEP状态存储  310

10.2.4　CEP和SQL结合  313

10.3　本章小结  315

第11章　Flink监控  316

11.1　监控指标  316

11.1.1　指标类型  316

11.1.2　系统指标及自定义指标  318

11.1.3　指标的使用  319

11.2　常用系统指标  322

11.3　监控体系建设  324

11.3.1　指标监控及展示  324

11.3.2　日志分析处理  326

11.3.3　定位手段  326

11.4　本章小结  327