值不值得学：先看清它解决什么工作场景

很多上班族想转行大数据，或者已经在做离线开发想补齐实时计算能力，最怕买到那种只讲 API 语法、不讲企业怎么落地的课。这份 Flink 实时数仓资料的核心价值，不在于教你背函数，而在于还原一个企业级实时数仓从零到上线的真实链路。它解决的具体工作场景是：业务系统不断产生订单、用户行为等数据流，你需要用 Flink 把这些数据实时接入、清洗、分层聚合，最后让报表系统秒级刷新。如果你平时的工作只是写 SQL 跑 T+1 报表，学这门课能帮你理解实时计算和离线计算在架构上的本质差异，知道实时数仓每一层（ODS、DWD、DWS、ADS）到底在实时链路里干什么，而不是停留在概念名词上。

适合什么基础，建议先看哪几块

这份资料不适合纯零基础。它默认你接触过 Linux 基本操作，最好写过一点 Java 或 Scala，懂基本的 SQL 聚合逻辑。如果你连命令行都不熟，资料里虽然有 Linux 入门和虚拟机环境配置的章节，但那只够你跟着把机器跑起来，不足以支撑后续的代码阅读。建议的学习顺序是：先看需求篇和技术选型那几讲，搞清楚离线架构和实时架构的区别、为什么要预估大数据资源、各层职责怎么划分。这部分不写代码，但决定了你后面写代码时脑子清不清楚。然后再跟着环境搭建部分把集群跑通，最后才进入代码剖析。不要一上来就抠代码细节，否则很容易因为某个配置报错卡住，却不知道这步在整个链路里的位置。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立搭起一套小型的实时数据仓库：从配置数据源、用 Flink 接入流数据、按业务需求做分层清洗和聚合，到最终把结果对接到可视化层展示。这意味着你具备了参与企业实时数仓项目开发的基本动手能力，至少能看懂团队里现有的实时任务代码，知道报错该往哪个环节排查。练习方法上，强烈建议不要只看视频，要同步自己开一台虚拟机跟着跑。资料里提到的需求拆解、架构图，自己拿纸画一遍数据流向；讲到每一层代码时，先暂停，自己试着写过滤逻辑或聚合逻辑，再对比资料里的实现。环境搭建环节踩的坑，比如网络模式、静态 IP 配置，一定要自己动手解决一次，这些恰恰是入职后第一周就会遇到的脏活，早踩早踏实。


熟悉大数据环境的搭建，掌握企业实际开发中实时数仓搭建的全流程。

课程目录

*   01 需求篇/

  *   01 01大数据案例-实时数据仓库的背景介绍

  *   02 02大数据案例-实时数据每个层次的介绍

  *   03 03大数据案例-实时数仓离线和在线架构

  *   04 04大数据案例-离线计算与实时计算的比较

  *   05 05大数据案例-实时数仓业务需求与业务架构

  *   06 06大数据案例-实时数仓业务场景数据源解说

  *   07 07大数据案例-技术如何选型以及框架版本

  *   08 08大数据案例-大数据资源的预估

*   02 Linux/

  *   01 01linux的入门引入

  *   02 02vmvare的安装过程

  *   03 03vm安装centos7.9系统过程

  *   04 04vm解决bios的虚拟化技术的方法

  *   05 05vm的net模式分配网段的原理

  *   06 06centos7.9静态ip的配置过程

  *   07 07centos7.9关闭防火墙的方法

  *   08 08centos7.9的第三方连接方式

  *   09 09centos7.9的yum源更新

  *   10 10centos7.9的hostname和host修改

  *   11 11centos7.9快速配置3台机器

*   03 环境篇/

  *   01 01大数据环境篇-linux搭建总结

  *   02 02大数据环境篇-加快ssh登陆小技巧

  *   03 03大数据环境篇-实用工具之拷贝的脚本编写

  *   04 04大数据环境篇-ssh无密码登陆配置

  *   05 05大数据环境篇-jdk的安装以及查询脚本工具编写

  *   06 06大数据环境篇-hadoop安装过程

  *   07 07大数据环境篇-hadoop各个xml配置过程

  *   08 08大数据环境篇-hadoop手动启动和关闭

  *   09 09大数据环境篇-hadoop脚本启动与关闭的编写

  *   10 10大数据环境篇-ZooKeeper的安装过程

  *   11 11大数据环境篇-ZooKeeper的启动脚本

  *   12 12大数据环境篇-kafka的安装过程

  *   13 13大数据环境篇-kafka的脚本启动与停止

  *   14 14大数据环境篇-kafka命令行的使用过程

  *   15 15大数据环境篇-mysql安装过程

  *   16 16大数据环境篇-用navicat连接mysql

  *   17 17大数据环境篇-sqoop的安装过程

  *   18 18大数据环境篇-hive的安装过程

  *   19 19大数据环境篇-hbase的安装过程

  *   20 20大数据环境篇-hbase的高可用

  *   21 21大数据环境篇-hbase入门命令操作

  *   22 22大数据环境篇-flink的Standalone模式

  *   23 23大数据环境篇-flink在yarn上的操作

  *   24 24大数据环境篇-clickhouse的安装过程

  *   25 25大数据环境篇-flume的安装过程

*   04 案例篇/

  *   01 01.大数据案例-案例实现流程介绍

  *   02 02.大数据案例-案例的整体效果

  *   03 03大数据案例-日志模拟代码的讲解

  *   04 04大数据案例-日志采集器实现代码讲解

  *   05 05大数据案例-分离数据写到dwd层代码讲解

  *   06 06大数据案例-独立访客uv代码实现讲解

  *   07 07大数据案例-使用CEP进行用户跳出代码分析讲解

  *   08 08大数据案例-dws层三条流数据进行合并讲解

  *   09 09大数据案例-保存clickhouse的代码封装讲解

  *   10 10大数据案例-可视化大屏suger讲解

  *   11 11大数据案例-sugar大屏和controller对接讲解

  *   12 12大数据案例-springboot读取clickhouse

  *   13 13大数据案例-跳出率-平均访问次数等小算法讲解

  *   14 14大数据案例-总体回顾