基於Flink流處理的動態實時億級用戶全端數據統計分析系統（支持全部的終端統計）

在這個科技高速發展的時代，經歷了PC時代幾乎人手一臺電腦，隨之衍生出站長這個概念；移動互聯網時代幾乎人手一部智能手機，智能手機通常都會安裝不少應用，目前應用呈爆發式的增加；隨着產業的不斷深刻發展，小程序的發展也日益壯大，應用涵蓋各個領域；現在一個公司就可能有多個軟件應用，對於軟件開發商來講，急需一套分析系統幫助軟件運營，若是單獨開發一個分析系統去針對一個軟件進行分析的話，成本會很是的大，這個成本包含開發成本以及之後的維護成本。

爲了解決了上述的問題，咱們開發出了一套雲產品：億級動態數據統計分析系統,本系統能夠支持全部的終端  （Web端、移動端、小程序端等 ）數據統計，只要簡單的使用sdk就能夠接入咱們的系統，軟件開發商能夠很輕鬆的對軟件使用的狀況進行監控，及時輔助公司對該軟件的運營。該產品歷經2年的實踐，商業價值極高。

本套案例是徹底基於真實的產品進行開發和講解的，同時對架構進行全面的升級，採用了全新的Flink架構+Node.js+Vue.js等，徹底符合目前企業級的使用標準。對於本套課程在企業級應用的問題，能夠提供全面的指導。 

Flink做爲第四代大數據計算引擎，愈來愈多的企業在往Flink轉換。Flink在功能性、容錯性、性能方面都遠遠超過其餘計算框架，兼顧高吞吐和低延時。 

Flink可以基於同一個Flink運行時，提供支持流處理和批處理兩種類型應用的功能。也就是說同時支持流處理和批處理。Flink將流處理和批處理統一塊兒來，也就是說做爲流處理看待時輸入數據流是無界的；批處理被做爲一種特殊的流處理，只是它的輸入數據流被定義爲有界的。 

Flink技術特色 
1. 流處理特性 
支持高吞吐、低延遲、高性能的流處理 
支持帶有事件時間的窗口（Window）操做 
支持有狀態計算的Exactly-once語義 
支持高度靈活的窗口（Window）操做，支持基於time、count、session，以及data-driven的窗口操做 
支持具備Backpressure功能的持續流模型 
支持基於輕量級分佈式快照（Snapshot）實現的容錯 
一個運行時同時支持Batch on Streaming處理和Streaming處理 

Flink在JVM內部實現了本身的內存管理

支持迭代計算 
支持程序自動優化：避免特定狀況下Shuffle、排序等昂貴操做，中間結果有必要進行緩存 

2. API支持 
對Streaming數據類應用，提供DataStream API 
對批處理類應用，提供DataSet API（支持Java/Scala） 

3. Libraries支持 
支持機器學習（FlinkML） 
支持圖分析（Gelly） 
支持關係數據處理（Table） 
支持復瑣事件處理（CEP） 

4. 整合支持 
支持Flink on YARN 
支持HDFS 
支持來自Kafka的輸入數據 
支持Apache HBase 
支持Hadoop程序 
支持Tachyon 
支持ElasticSearch 
支持RabbitMQ 
支持Apache Storm 
支持S3 
支持XtreemFS 

課程所涵蓋的知識點包括：Flink、 Node.js、 Vue.js、 Kafka、Flume、Spring、SpringMVC、Dubbo、HDFS、Hbase、highcharts等等 

課程所用到的  
開發環境爲：Window7  
開發工具爲：IDEA  
開發版本爲：Flink1.7.0、Hadoop2.6.0、Hbase1.0.0 

內容詳情：https://www.roncoo.com/view/171