Flink 从0到1实战实时风控系统

Flink 核心技能实操 + 亿级数据性能调优 + Groovy 动态规则引擎实践 进阶大数据开发高手

*   第1章 课程介绍与学习指南/

  *   1-1 这是一门帮你进阶的好课.mp4 14:51

  *   1-2 风控项目对于个人职业能力的提升.mp4 03:58

  *   1-3 课程设计的思路以及所涵盖的知识点.mp4 06:43

  *   1-4 推荐几个课程项目使用的开发工具.mp4 04:38

*   第2章 风控项目需求/

  *   2-1 羊毛党利用群控和接码平台薅尽羊毛.mp4 06:00

  *   2-2 优惠券场景下被薅羊毛的业务逻辑漏洞复盘.mp4 05:33

  *   2-3 基于领域驱动分析优惠券场景下风控的架构设计.mp4 10:25

  *   2-4 基于领域驱动设计的代码目录分层架构思路.mp4 18:28

  *   2-5 优惠券场景下的风控规则和阙值确定.mp4 07:08

*   第3章 风控引擎架构设计及项目演示/

  *   3-1 风控引擎架构的设计思路.mp4 14:17

  *   3-2 画出风控引擎的系统架构图.mp4 11:36

  *   3-3 风控规则引擎选用Groovy的原因.mp4 08:53

  *   3-4 风控引擎整体技术栈以及版本.mp4 08:32

  *   3-5 亿级行为数据集提供的不同类型的羊毛党人数分布.mp4 02:14

*   第4章 风控引擎组件基础知识准备/

  *   4-1 本章重点和难点.mp4 03:27

  *   4-2 理解Flink数据流编程模型.mp4 14:59

  *   4-3 代码演示Flink以流批两种方式实现wordcount（上）.mp4 16:59

  *   4-4 代码演示Flink以流批两种方式实现wordcount（下）.mp4 11:29

  *   4-5 通过有界流和无界流延伸理解Flink批流一体架构.mp4 16:19

  *   4-6 理解Flink4大基石之状态机制.mp4 14:34

  *   4-7 代码演示Flink基于状态计算实现wordcount（上）.mp4 13:10

  *   4-8 代码演示Flink基于状态计算实现wordcount（下）.mp4 19:07

  *   4-9 理解Flink4大基石之窗口机制.mp4 14:47

  *   4-10 通过大白话通俗的去理解Flink4大基石之时间机（上）.mp4 09:19

  *   4-11 通过大白话通俗的去理解Flink4大基石之时间机（中）.mp4 05:25

  *   4-12 通过大白话通俗的去理解Flink4大基石之时间机（下）.mp4 07:01

  *   4-13 初步认识Flink的Cep模式匹配.mp4 08:20

  *   4-14 理解Flink4大基石之checkpoint机制（上）.mp4 11:47

  *   4-15 理解Flink4大基石之checkpoint机制（中）.mp4 05:17

  *   4-16 理解Flink4大基石之checkpoint机制（下）.mp4 08:09

  *   4-17 本章总结.mp4 12:46

*   第5章 基础设施搭建--环境搭建及单元测试/

  *   5-1 本章重点和难点.mp4 01:45

  *   5-2 画出项目结构图.mp4 09:59

  *   5-3 基于docker的一键式搭建项目环境.mp4 08:20

  *   5-4 【梳理】项目环境搭建步骤

  *   5-5 Springboot基于Maven多模块构建项目.mp4 15:32

  *   5-6 基于Junit5+MockMvc的单元测试用例编写（上）.mp4 15:11

  *   5-7 基于Junit5+MockMvc的单元测试用例编写（下）.mp4 17:01

  *   5-8 Flink流计算的单元测试用例编写（上）.mp4 14:50

  *   5-9 Flink流计算的单元测试用例编写（下）.mp4 15:22

  *   5-10 基于maven-helper插件解决依赖冲突异常.mp4 06:09

  *   5-11 【拓展】简历植入重点及本章涉及面试知识点

  *   5-12 【作业】本章作业

  *   5-13 本章总结.mp4 10:33

*   第6章 基础设施搭建--springboot工具类封装/

  *   6-1 本章重点和难点.mp4 02:03

  *   6-2 Springboot封装基于FastJson2的json工具类（上）.mp4 12:16

  *   6-3 Springboot封装基于FastJson2的json工具类（中）.mp4 10:13

  *   6-4 Springboot封装基于FastJson2的json工具类（下）.mp4 11:31

  *   6-5 基于LocalDate封装时间工具类+自动生成测试类（上）.mp4 14:38

  *   6-6 基于LocalDate封装时间工具类+自动生成测试类（下）.mp4 09:08

  *   6-7 Springboot集成slf4j+log4j2（上）.mp4 15:24

  *   6-8 Springboot集成slf4j+log4j2（下）.mp4 12:39

  *   6-9 Springboot封装自定义异常+全局异常的工具类.mp4 16:55

  *   6-10 封装Lettuce+RedisTemplate读写Redis集群（上）.mp4 17:18

  *   6-11 封装Lettuce+RedisTemplate读写Redis集群（中）.mp4 16:58

  *   6-12 封装Lettuce+RedisTemplate读写Redis集群（下）.mp4 11:48

  *   6-13 Springboot封装Hbase工具类.mp4 18:18

  *   6-14 本章总结.mp4 07:59

*   第7章 基础设施搭建--flink工具类封装/

  *   7-1 本章重点和难点.mp4 01:14

  *   7-2 Flink使用ParameterTool读取配置.mp4 14:59

  *   7-3 基于巴希尔(Bahire)-Flink写入Redis集群（上）.mp4 18:37

  *   7-4 基于巴希尔(Bahire)-Flink写入Redis集群（下）.mp4 11:24

  *   7-5 Flink通过富函数类实现自定义Source.mp4 19:44

  *   7-6 Flink自定义Source读取Redis集群（上）.mp4 15:24

  *   7-7 Flink自定义Source读取Redis集群（下）.mp4 14:13

  *   7-8 Flink自定义Source读取ClickHouse.mp4 17:50

  *   7-9 Flink使用JDBC-Connector+预编译批量写入ClickHouse（上）.mp4 12:56

  *   7-10 Flink使用JDBC-Connector+预编译批量写入ClickHouse（下）.mp4 13:34

  *   7-11 Flink TableSQL Api + 表转流读取Mysql.mp4 21:02

  *   7-12 本章总结.mp4 10:14

*   第8章 风控数据流入口--事件接入中心/

  *   8-1 本章重点和难点.mp4 02:16

  *   8-2 风控事件接入中心架构搭建思路.mp4 06:10

  *   8-3 事件中心的数据格式.mp4 04:42

  *   8-4 Flume监听目录将行为事件数据写入Kafka.mp4 05:50

  *   8-5 Flink1.14使用全新的Kafka Connector读取Kafka.mp4 18:46

  *   8-6 Flink1.14自定义反序列化消费Kafka Json格式数据.mp4 16:33

  *   8-7 ClickHouse存储用户行为路径序列的表设计思路.mp4 13:24

  *   8-8 ClickHouse拉取Kafka Json格式的用户行为数据.mp4 05:59

  *   8-9 ClickHouse将用户行为聚合为行为路径序列.mp4 16:03

  *   8-10 ClickHouse对用户行为序列进行路径挖掘找出羊毛客（上）.mp4 14:34

  *   8-11 ClickHouse对用户行为序列进行路径挖掘找出羊毛客（下）.mp4 15:42

  *   8-12 ClickHouse对用户行为维度指标存储的表设计思路.mp4 07:34

  *   8-13 Flink Job的Checkpoint, State配置以及并行度的合理数量（上）.mp4 14:24

  *   8-14 Flink Job的Checkpoint, State配置以及并行度的合理数量（下）.mp4 16:08

  *   8-15 Flink对Kafka数据清洗并转化为POJO对象.mp4 16:16

  *   8-16 Flink对事件数据流添加水印保证事件行为的有序性.mp4 17:27

  *   8-17 Flink基于滑动窗口每5分钟统计用户最近1小时的登录频率.mp4 20:32

  *   8-18 Flink aggregate统计用户最近1小时登录频率的聚合操作.mp4 17:37

*   第9章 风控规则判断依据--指标计算模块/

  *   9-1 本章重点和难点.mp4 02:06

  *   9-2 风控指标的构成以及指标存储的设计思路.mp4 08:36

  *   9-3 基于滑动窗口思想的风控指标采样思路.mp4 07:49

  *   9-4 基于Redis快速获取风控指标采样的思路.mp4 21:49

  *   9-5 风控指标在Redis唯一id的设计思路.mp4 06:34

  *   9-6 Flink和POJO对象之间的关系.mp4 17:02

  *   9-7 基于Flink实现的指标通用聚合计算框架思路.mp4 10:14

  *   9-8 基于Flink实现的指标通用聚合计算框架初步结构.mp4 21:19

  *   9-9 运营后台自定义指标聚合计算规则.mp4 04:01

  *   9-10 Flink通过单独线程读取指标聚合计算规则.mp4 16:25

  *   9-11 将指标聚合计算规则写入到事件流传播给下游算子思路.mp4 19:19

  *   9-12 进一步细化运营后台的指标聚合计算规则自定义.mp4 10:19

  *   9-13 通过反射机制将指标聚合计算规则写入到事件流.mp4 21:48

  *   9-14 keyBy算子根据指标聚合计算规则进行分组.mp4 20:53

*   第10章 风控系统核心--规则引擎/

  *   10-1 本章重点和难点.mp4 01:09

  *   10-2 window算子根据指标聚合计算规则将事件分配到对应窗口.mp4 26:08

  *   10-3 根据指标聚合计算的规则进行增量聚合计算.mp4 28:35

  *   10-4 aggregate算子根据指标聚合计算的规则进行结果输出.mp4 22:07

  *   10-5 Kafka工具类直接返回事件流以及配置带环境的配置信息.mp4 21:08

  *   10-6 风控规则的Mysql表设计思路及运营后台配置.mp4 08:49

  *   10-7 风控规则的条件判断表达式解析的方案.mp4 06:46

  *   10-8 Aviator引擎的表达式运算及自定义函数.mp4 21:38

  *   10-9 Aviator引擎应用于风控规则条件的判断.mp4 14:09

  *   10-10 Flink自定义生成规则事件流.mp4 11:56

  *   10-11 Flink将规则事件流广播到行为事件流.mp4 11:48

  *   10-12 行为事件流读取规则事件流中的风控规则（1）.mp4 14:57

  *   10-13 行为事件流读取规则事件流中的风控规则（2）.mp4 13:51

  *   10-14 对行为事件使用对应的规则进行风控判断.mp4 10:53

  *   10-15 本章总结.mp4 04:41

*   第11章 实时风控--动态规则实现/

  *   11-1 本章重点和难点.mp4 01:43

  *   11-2 哪种类型的风控规则适合实时计算以及实时判定.mp4 03:04

  *   11-3 Flink-Cep开发流程及模式匹配.mp4 17:14

  *   11-4 Flink-Cep检测最近1分钟登录失败超过阈值的用户.mp4 21:43

  *   11-5 Flink-Cep以严格近邻的模式检测连续登录失败的用户.mp4 13:23

  *   11-6 Flink-Cep基于迭代条件检测最近15分钟IP频繁变化的用户.mp4 19:20

  *   11-7 Flink-Cep检测具有明显薅羊毛特征行为路径的用户.mp4 06:47

  *   11-8 Flink-Cep对匹配事件的提取并且输出到事件流.mp4 17:37

  *   11-9 Flink-Cep基石 NFA状态转移流程.mp4 07:31

  *   11-10 为什么选择Groovy生成Flink-Cep Pattern对象.mp4 06:35

  *   11-11 Java集成Groovy之执行Groovy脚本.mp4 07:05

  *   11-12 Java集成Groovy之从指定位置加载Groovy脚本.mp4 10:57

  *   11-13 Java集成Groovy之调用Groovy脚本的自定义类.mp4 10:51

  *   11-14 Groovy能动态加载脚本的底层原理.mp4 13:09

  *   11-15 Flink-Cep基于Groovy脚本动态加载Pattern.mp4 20:23

  *   11-16 Groovy动态加载脚本频繁触发Full GC 的解决方案.mp4 07:09

*   第12章 风控引擎部署--单元测试/

  *   12-1 总结风控引擎涉及的Flink任务.mp4 06:52

  *   12-2 风控运营后台最终定稿版.mp4 11:36

  *   12-3 总结Flink-Cep和DataStream Api进行风控的不同使用场景.mp4 04:02

  *   12-4 测试Flink-Cep检测登录失败超过阈值的用户.mp4 17:35

  *   12-5 测试Flink-Cep检测连续事件序列的用户.mp4 19:34

  *   12-6 测试Flink-Cep基于Groovy脚本加载Pattern-.mp4 07:20

  *   12-7 通过运营后台动态修改Flink-Cep Pattern参数.mp4 09:21

  *   12-8 使用通义灵码和MybatisPlus3.5+ 自动生成CRUD.mp4 20:12

*   第13章 风控引擎部署--打包部署/

  *   13-1 部署定时任务 模拟源源不断的行为事件流.mp4 04:55

  *   13-2 部署定时任务 ClickHouse将用户每小时的行为事件归档.mp4 03:30

  *   13-3 补充 Flink-CDC的底层原理.mp4 06:14

  *   13-4 补充 Flink-CDC实时捕获Mysql数据变更.mp4 20:06

  *   13-5 补充 Flink-CDC自定义反序列化.mp4 18:33

  *   13-6 部署风控规则 Flink-CDC监听规则表.mp4 11:59

  *   13-7 补充 Flink 双流Join.mp4 12:24

  *   13-8 部署风控规则 通过Join对规则组信息进行维度补充.mp4 06:46

  *   13-9 部署风控规则 广播规则使得行为事件携带规则组.mp4 10:35

  *   13-10 部署风控规则 遍历规则组产生冗余行为事件并规则判断.mp4 06:49

  *   13-11 部署动态cep Flink不停机动态加载 cep 风控规则的方案.mp4 16:00

  *   13-12 部署动态cep 修改cep源码注入动态获取Pattern的方法.mp4 15:20

  *   13-13 部署动态cep 修改cep源码构造新的NFA进行事件匹配.mp4 18:00

*   第14章 风控引擎部署--压测优化/

  *   14-1 Flink背压的表现.mp4 01:30

  *   14-2 Flink流量压测方法.mp4 01:50

  *   14-3 Flink背压告警以及造成的影响.mp4 05:02

  *   14-4 Flink背压解决方案.mp4 01:12