【徐葳】Flink入门及实战（上）

这门课解决的问题是：你已经在用 Spark 或自己写批处理代码跑数据了，但遇到实时流处理场景——比如电商下单后实时统计销量、传感器数据持续流入后实时告警——那些"跑起来"的代码，你到底该怎么写？Flink 是目前主流流处理引擎，和 Spark Streaming 并列，但它的 API、窗口模型、状态机制、Checkpoint 机制都不同，很多人一上来就被"滑动窗口单词计数"这种经典案例卡住。这门课从 Flink 基本原理出发，对比它和 Storm、Spark Streaming 的差异，然后带你用 Java 和 Scala 两种语言分别实现滑动窗口单词计数和批处理单词计数，让你真正理解 Flink 的编程模型。

适合什么基础

需要具备 Java 或 Scala 至少一门语言的基础，最好用过 Spark，对分布式计算框架有基本认知。如果你连 Java 基本语法都不熟，建议先补一下，Flink 的代码量不大，但语法细节多，一上来写不通会直接影响学习信心。需要具备一定的数据结构基础，尤其是 Map、List、Stream 等常用集合操作，这是理解 Flink 算子嵌套调用的前提。

建议先看哪几块

第一块：Flink 基本原理及应用场景分析，搞清楚 Flink 是什么、处理模型和 Spark Streaming 的核心差异在哪里，这是后面所有代码的上下文，跳过这步后面会处处觉得"反直觉"。第二块：Flink vs Storm vs SparkStream 的对比，重点看"为什么选 Flink"这一节，帮你判断自己是否合适，也帮你理解 Flink 的 Checkpoint 机制是怎么保证 Exactly-Once 语义的。第三块：滑动窗口单词计数，这是整个课程的核心案例，Java 和 Scala 代码都要跟完，重点理解窗口的划分方式、KeyBy 算子的作用、聚合操作符的写法、Sink 端怎么输出结果。

学完能独立做什么

看完这门课，你至少能独立完成一个完整的 Flink 流处理任务：从数据源接入、窗口划分、计算逻辑、输出到 Sink，全流程跑通。虽然只是单词计数这种经典案例，但它覆盖了 Flink 编程的基本模式——数据源、转换算子、窗口、输出——后续遇到带状态算子、时间事件边界、Watermark 处理等复杂场景，都能直接套用思路，不需要从零推导。批处理单词计数相对简单，但能帮你区分 Flink 的 Stream 和 Batch 两个 API 模式，建议最后做，巩固一下。

资料怎么配合练习

代码部分建议边听边敲，每听完一个案例，自己把代码复制到 IDE 里跑一遍，跑不通的地方对着课程视频重看对应节。建议先练滑动窗口单词计数的 Java 版本，再练 Scala 版本，两个对比着学，能快速理解"同一逻辑不同语言实现"的差异。批处理单词计数相对简单，但能帮你区分 Flink 的 Stream 和 Batch 两个 API 模式，建议最后做，巩固一下。每个案例结束后，试着自己改一行代码——比如把滚动窗口换成滑动窗口——看看输出结果怎么变，这种小改动能帮你真正理解窗口机制，而不是停留在"复制粘贴了事"。