《从0到1学习Flink》—— Mac 上搭建 Flink 1.6.0 环境并构建运行简单程序入门 (www.54tianzhisheng.cn)

【简介】

准备工作
1、安装查看 Java 的版本号,推荐使用 Java 8。

安装 Flink
2、在 Mac OS X 上安装 Flink 是非常方便的。推荐通过 homebrew 来安装

点击查看全文 >>

@zhisheng_tian 2018-11-07 22:43分享 / 0个评论
赞过的人: 技术头条 zhisheng_tian
要不要再学学下面的文章?
阿里云产业赋能:多端小程序Saas平台的突围之路 (yq.aliyun.com)
本文中,夺冠CEO王文龙介绍了在阿里云技术、资源、渠道和服务的赋能下,多端小程序SaaS平台的发展情况,并分享了SaaS平台发展路径的三个阶段。夺冠互动是从去年年底开始加入到阿里云SaaS生态的大家庭,已经实现了业绩加速、产品加速、运营服务加速。
by @可耐芊小仙女 3小时前 分享 查看详情
Knative 初体验:CICD 极速入门 (yq.aliyun.com)
Task 就是一个任务执行模板,之所以说 Task 是一个模板是因为 Task 定义中可以包含变量,Task 在真正执行的时候需要给定变量的具体值。Tekton 的 Task 很类似于一个函数的定义,Task 通过 inputs.params 定义需要哪些入参,并且每一个入参还可以指定默认值。Task 的 steps 字段表示当前 Task 是有哪些子步骤组成的。每一个步骤具体就是一个镜像的执行,镜像的启动参数可以通过 Task 的入参使用模板语法进行配置。
by @可耐芊小仙女 2019-08-08 16:39 分享 查看详情
如何选定搭建个人独立博客工具 (www.jeffjade.com)
身处当前数字化社会,打造个人品牌,越发显得重要(自我推销)。对于从事技相关的人群,欲要树立并长时间保持自己的个人品牌,最便捷的方法无疑是:坚持长时间高质量输出原创文章。就择取合适的博文平台,也是项技术活儿;本文主旨,就针对这承载文字的各类平台,结合其功能特点,探讨下其优劣所在,以便可为更多朋友,就如何选择博文平台诉求,提供些参考。
by @杨琼璞 2019-08-05 00:29 分享 查看详情
MaxCompute 助力衣二三构建智能化运营工具 (yq.aliyun.com)
本文由衣二三CTO程异丁为大家讲解了如何基于MaxCompute构建智能化运营工具。
衣二三作为亚洲最大的共享时装平台,MaxCompute是如何帮助它解决数据提取速度慢、数据口径差异等问题呢?程异丁通过衣二三数据体系架构,从用户运营应用、商品运营应用以及算法推荐系统三方面给大家剖析了MaxCompute是如何助力衣二三构建智能化运营工具的。
by @可耐芊小仙女 2019-07-29 15:45 分享 查看详情
基于阿里云 MaxCompute 构建企业云数据仓库CDW的最佳实践建议 (yq.aliyun.com)
在这么长的客户工作过程中,作为产品PD,一定是跟客户在一起的。我经常被一些问题挑战:云郎,我们现在要建数据仓库,我该怎么去规划?云郎,我现在这边是大数据的建设团队,好像数据团队不怎么理我,什么情况?云郎,我们这边现在建了一个平台,现在性能好像有问题,是不是我们哪些地方设计的有问题,还是考虑的不够?可以看到,不同的客户在不同的阶段有不同的问题,在这么多的客户问题里,背后到底隐藏了什么规律?在这里面有没有一些最佳实践,我们可以总结出来,让大家去少走一些弯路,这是我的出发点。
by @可耐芊小仙女 2019-07-25 16:37 分享 查看详情
美团点评基于 Flink 的实时数仓建设实践 (mp.weixin.qq.com)
近些年,企业对数据服务实时化服务需求日益增多。本文整理了常见实时数据组件的性能特点和适用场景,介绍了美团如何通过 Flink 引擎构建实时数据仓库,从而提供高效、稳健的实时数据服务。此前我们美团技术博客发布过一篇文章《流计算框架 Flink 与 Storm 的性能对比》,对 Flink 和 Storm 两个引擎的计算性能进行了比较。本文主要阐述使用 Flink 在实际数据生产上的经验。
by @zhisheng_tian 2019-07-25 09:52 分享 查看详情
Flink 灵魂两百问,这谁顶得住? (mp.weixin.qq.com)
两百问一点都不夸张,这才光知识星球从创建到现在的问题总数,另外还有多个微信群的答疑解惑。有时候忍不住想给自己点个赞,咋能这么
by @zhisheng_tian 2019-07-25 09:49 分享 查看详情
解锁云原生 AI 技能|在 Kubernetes 上构建机器学习系统 (yq.aliyun.com)
机器学习的工程复杂度,除了来自于常见的软件开发问题外,还和机器学习数据驱动的特点相关。而这就带来了其工作流程链路更长,数据版本失控,实验难以跟踪、结果难以重现,模型迭代成本巨大等一系列问题。为了解决这些机器学习固有的问题,很多企业构建了内部机器学习平台来管理机器学习生命周期,其中最有名的是 Google 的 Tensorflow Extended, Facebook 的 FBLearner Flow, Uber 的 Michelangelo,遗憾的是这些平台都需要绑定在公司内部的基础设施之上,无法彻底开源。而这些机器学习平台的骨架就是机器学习工作流系统,它可以让数据科学家灵活定义自己的机器学习流水线,重用已有的数据处理和模型训练能力,进而更好的管理机器学习生命周期。
by @可耐芊小仙女 2019-07-24 15:44 分享 查看详情
弘康人寿基于 RocketMQ 构建微服务边界总线的实践 (yq.aliyun.com)
随着互联网+和平台化战略的兴起,各个行业的 IT 系统都在向互联网架构发展,涉及的主要技术包括微服务、消息和弹性计算等,采用微服务架构实现服务高内聚、低耦合,通过异步消息完成交易快速响应和高并发。由于微服务和消息是企业应用架构中用的比较多的,故希望通过本文探讨以下问题:
by @可耐芊小仙女 2019-07-23 15:56 分享 查看详情
阿里开源 KT Connnect,轻量级云原生测试环境治理平台来啦! (yq.aliyun.com)
目前越来越多的开发者开始采纳 Kubernetes 管理基础设施环境,并通过 Kubernetes 完成日常的开发,测试以及生产发布活动,为了能够有效的帮助开发者提升在 Kubernetes 场景下的本地开发测试效率,阿里巴巴研发效能云效团队面向原生 Kubernetes 开源了一款轻量级的开发者工具 KT Connect。KT Connect(Kubernetes Developer Tool) 是轻量级的面向 Kubernetes 用户的开发测试环境治理辅助工具。其核心是通过建立本地到集群以及集群到本地的双向通道,从而提升在持续交付生命周期中开发环节的效率问题以及开发测试环境的复用问题。
by @可耐芊小仙女 2019-07-19 15:19 分享 查看详情