已有2人关注此标签
基于 Flink + Hive 构建流批一体准实时数仓
作者: 阿里云实时计算Flink
2人浏览
想要搭建流式链路就必须得抛弃现有的 Hive 数仓吗？并不是，借助 Flink 可以实现已有的 Hive 离线数仓准实时化。本文整理自 Apache Flink Committer、阿里巴巴技术专家李劲松的分享，文章将分析当前离线数仓实时化的难点，详解 Flink 如何解决 Hive 流批一体准实时数仓的难题，实现更高效、合理的资源配置。
Flink SQL 1.11 新功能与最佳实践
作者: 阿里云实时计算Flink
4人浏览
旨在帮助用户快速了解新版本 Table & SQL 在 Connectivity 和 Simplicity 等方面的优化及实际开发使用的最佳实践。
Flink SQL FileSystem Connector 分区提交与自定义小文件合并策略
作者: 阿里云实时计算Flink
1人浏览
本文先通过源码简单过一下分区提交机制的两个要素——即触发（trigger）和策略（policy）的实现，然后用合并小文件的实例说一下自定义分区提交策略的方法。
Flink x Zeppelin ，Hive Streaming 实战解析
作者: 阿里云实时计算Flink
13人浏览
Flink 1.11 正式发布已经三周了，其中最吸引我的特性就是 Hive Streaming。正巧 Zeppelin-0.9-preview2 也在前不久发布了，所以就写了一篇 Zeppelin 上的 Flink Hive Streaming 的实战解析。
Flink 1.11 SQL 使用攻略
作者: 阿里云实时计算Flink
21人浏览
SQL 作为 Flink 中公认的核心模块之一，对推动 Flink 流批一体功能的完善至关重要。在 1.11 中，Flink SQL 也进行了大量的增强与完善，开发大功能 10 余项，不仅扩大了应用场景，还简化了流程，上手操作更简单。
Flink 1.11 新特性之 SQL Hive Streaming 简单示例
作者: 阿里云实时计算Flink
40人浏览
Flink 1.11 的 Hive Streaming 功能大大提高了 Hive 数仓的实时性，对 ETL 作业非常有利，同时还能够满足流式持续查询的需求，具有一定的灵活性。
解决问题 1474 个，Flink 1.11 究竟有哪些易用性上的改善？
作者: 阿里云实时计算Flink
52人浏览
7月7日，Flink 1.11.0 正式发布了，作为这个版本的 release manager 之一，我想跟大家分享一下其中的经历感受以及一些代表性 feature 的解读。在进入深度解读前，我们先简单了解下社区发布的一般流程，帮助大家更好的理解和参与 Flink 社区的工作。
字节跳动基于 Flink 的 MQ-Hive 实时数据集成
作者: 阿里云实时计算Flink
26人浏览
在数据中台建设过程中，一个典型的数据集成场景是将 MQ (Message Queue，例如 Kafka、RocketMQ 等)的数据导入到 Hive 中，以供下游数仓建设以及指标统计。由于 MQ-Hive 是数仓建设第一层，因此对数据的准确性以及实时性要求比较高。
Flink 1.11：更好用的流批一体 SQL 引擎
作者: 阿里云实时计算Flink
10人浏览
在保证优秀性能的同时，易用性是 1.11 版本 Flink SQL 的重头戏。易用性的提升主要体现在以下几个方面：更方便的追加或修改表定义、灵活的声明动态的查询参数、加强和统一了原有 TableEnv 上的 SQL 接口、简化了 connector 的属性定义、对 Hive 的 DDL 做了原生支持、加强了对 python UDF 的支持。
Flink 1.11.0 发布，有哪些值得关注的新特性？
作者: 云栖号资讯小编
639人浏览
阿里高级技术专家王治江将深度剖析 Flink 1.11.0 带来了哪些让大家期待已久的特性，对一些有代表性的 feature 从不同维度解读。
