先判断：你当前的工作是否真需要啃 Flink
这门资料对应的是 Flink 实时计算框架的体系课下半部分，核心聚焦在 DataStream API 的具体编码与算子实操。它解决的不是“听懂流批一体概念”，而是“拿到一份源源不断涌进来的业务数据，怎么用代码把它接住、清洗、分发、落盘”。如果你目前做的是离线数仓、定时跑 T+1 脚本，日常没有“秒级延迟”的指标需求，这批资料暂时不必碰，继续把离线调度和 SQL 调优做扎实收益更高。但如果你要对接埋点日志实时入库、做实时大屏风控预警、或者要在 Flink 上做状态维护与窗口聚合，那这部分就是绕不开的硬骨头。它不负责帮你解决架构选型争议，只负责让你把数据流真正跑通。
适合什么基础，怎么安排看课顺序
这批内容默认你已经有 Java 或 Scala 语法基础，且大致清楚流处理的基本概念。如果你连 lambda 表达式或集合操作都生疏，建议先补语言再来看，否则会在算子传递和分区逻辑处反复卡壳。资料的组织逻辑非常线性，建议直接按 source 到 sink 的顺序推进：先弄明白怎么从外部系统（如 Kafka 或自定义源头）把数据读进来，接着重点死磕各种算子操作，这是 Flink 处理逻辑的灵魂，包括 map、filter、keyBy 等转换动作；随后看分区策略，理解数据在并行度之间怎么流转；最后看 sink，把处理完的数据写出去。遇到 Java 和 Scala 双版本讲解时，挑你工作中实际用的那个语言看即可，没必要两套都看，同质化较高。PPT 和配套资料建议在动手写代码前先过一遍，当作速查手册。
学完能独立做什么，资料怎么配合练
把这套 DataStream 环节啃完，你能独立写出一个完整的实时数据处理作业：从配置数据源接入流，到编写业务转换逻辑，再到按指定分区策略分发，最后把结果写入目标库。这意味着你接手团队里一个基础的实时指标计算需求时，不会只在原地打转。练习时不要只盯着视频看，务必把资料包里的代码片段拉到本地跑。建议自己起一个本地的 Flink 环境或用轻量级测试框架，跟着视频把 source、算子、sink 的代码敲一遍，改一改输入数据源，观察控制台输出的数据流转变化。流处理最大的坑在于“听懂了但跑起来报错”，只有自己把作业提交运行、看着数据真正在控制台流转，才算把这部分内容转化为自己的生产力。
《Flink进阶及实战》课程主要讲述了Flink实时框架的基本操作使用以及案例实战开发。
课程目录
* 01 Flink DataStreamAPI详解/
* 01 课程相关资料及PPT等内容下载
* 02 课程内容介绍.mp4 07:40
* 03 DataStream之source讲解-java.mp4 20:55
* 04 DataStream之自定义source-1.mp4 16:26
* 05 DataStream之自定义source-2.mp4 11:15
* 06 DataStream之算子操作-java.mp4 28:43
* 07 DataStream之partition-java.mp4 25:14
* 08 DataStream之sink-java.mp4 22:50
* 09 DataStream之source-scala.mp4 20:08
* 10 DataStream之算子操作-scala.mp4 13:10
* 11 DataStream之partition-scala.mp4 07:24
* 12 DataStream之sink-scala.mp4 08:45
* 02 Flink DataSetAPI详解/
* 01 DataSet之算子操作-java-1.mp4 28:02
* 02 DataSet之算子操作-java-2.mp4 30:35
* 03 DataSet之partition-java.mp4 13:01
* 04 DataSet之算子操作-scala-1.mp4 18:27
* 05 DataSet之算子操作-scala-2.mp4 19:47
* 03 Flink 支持的DataType和序列化/
* 01 Flink支持的dataType和序列化.mp4 05:33
* 04 Flink Broadcast/
* 01 Flink Broadcast广播变量-(java代码).mp4 43:08
* 02 Flink Broadcast广播变量-(scala代码).mp4 17:07
* 05 Flink Accumulators & Counters/
* 01 Flink Counters-java代码.mp4 15:04
* 02 Flink Counters-scala代码.mp4 05:15
* 06 Flink Distributed Cache/
* 01 Flink Distributed Cache.mp4 16:41
* 07 Flink state(状态)管理与恢复/
* 01 state之keyedState分析.mp4 23:34
* 02 state之operatorState分析.mp4 07:13
* 03 Flink checkPoint分析.mp4 15:04
* 04 Flink state backend详细分析.mp4 12:55
* 05 Flink state backend实战演示.mp4 20:15
* 06 Flink 重启策略分析.mp4 12:39
* 07 Flink 从checkpoint恢复数据.mp4 08:53
* 08 Flink savePoint的使用详解.mp4 16:00
* 08 Flink Window和Time详解/
* 01 Flink window详解.mp4 38:25
* 02 Flink time介绍.mp4 09:20
* 03 Flink watermark介绍.mp4 23:37
* 04 Flink watermark解决乱序数据-1.mp4 26:20
* 05 Flink watermark解决乱序数据-2.mp4 22:58
* 09 Flink 并行度详解(Parallel )/
* 01 Flink parallelism并行度分析.mp4 14:58
* 10 Flink UI界面指标介绍/
* 01 Flink UI界面介绍.mp4 13:33
* 11 Flink Kafka-Connector详解/
* 01 Flink kafka-connector分析.mp4 14:58
* 02 kafka-connector代码操作-java.mp4 37:17
* 03 kafka-connector代码操作scala.mp4 08:05
* 12 Flink 生产环境主要配置/
* 01 Flink 生产环境配置介绍.mp4 04:06
* 13 Flink 实战案例开发/
* 01 实战需求分析(数据清洗[实时ETL]).mp4 12:27
* 02 数据清洗[实时ETL]-java代码实现-1.mp4 34:26
* 03 数据清洗[实时ETL]-java代码实现-2.mp4 27:46
* 04 数据清洗[实时ETL]-java代码提交集群运行.mp4 12:03
* 05 数据清洗[实时ETL]-把任务提交命令封装成脚本.mp4 11:11
* 06 数据清洗[实时ETL]-scala代码实现.mp4 02:30
* 07 实战需求分析(数据报表).mp4 15:18
* 08 数据报表-java代码实现-1.mp4 24:56
* 09 数据报表-java代码实现-2.mp4 29:13
* 10 数据报表-es和kibana的安装.mp4 11:26
* 11 数据报表-运行任务.mp4 23:49
* 12 数据报表-执行脚本封装.mp4 13:24
* 13 数据报表-scala代码实现.mp4 06:51
* 14 项目代码地址.mp4 01:10
