拒绝手写代码，用 SQL 思维搞定实时数仓
在职场中，Flink 开发常面临一个痛点：手写 Java 或 Scala 代码不仅效率低，且一旦业务逻辑变更，维护成本极高，往往导致项目延期。这门课的核心价值，就是帮你彻底摆脱“手写代码”的焦虑，掌握 FlinkSQL 这种声明式开发模式。它解决的是如何像操作数据库一样，通过 SQL 语句快速定义实时流处理逻辑。对于已经熟悉 Hive SQL 或 Spark SQL 的从业者，这是从离线数仓平滑过渡到实时计算的最优解；对于转行者或初学者，它绕过了复杂的 Java 环境搭建和 API 调用细节，让你直接聚焦于核心计算逻辑，是降低学习曲线、快速具备流计算能力的最佳路径。
门槛评估与学习路线规划
虽然这门课号称“入门进阶”，但实际学习效果高度依赖前置基础。如果你完全没有 SQL 概念，或者对大数据的“批流一体”思想一知半解，直接跟着教程走会非常吃力。建议先花半天时间复习一下 SQL 基础，重点确认能否手写 `SELECT`、`WHERE`、`JOIN` 以及 `GROUP BY` 语句，这是 FlinkSQL 的语法基石。在正式学习本课程时，请务必先通读“环境搭建”章节，亲手在本地配置 Flink 集群并启动 SQL Client，确保能实时看到查询结果。若环境搭建卡壳，建议先暂停看后续内容，去查官方文档或社区现成教程，因为后续所有案例都依赖这套基础环境。学习顺序上，严格遵循“单表查询 -> 多表关联 -> 窗口聚合 -> 复杂函数”的进阶逻辑，切忌跳跃式学习，否则后期遇到错误时无法追溯原理。
实战产出与资料配合策略
学完这门课，你应能独立搭建一个基于 Kafka 和 MySQL 的实时数仓原型。具体而言，你需要具备将异构数据源映射为 Flink 临时表或物化表的能力，并利用 FlinkSQL 完成数据清洗、实时聚合统计（如每秒订单量）以及跨表关联分析（如用户与订单关联）。这些技能是面试中的高频考点，也是实际工作中处理实时指标的核心手段。关于资料包的使用，切记不要只看不练。资料包中的 SQL 脚本是“半成品”，建议你先阅读脚本注释理解业务意图，然后尝试在本地环境中复现。进阶的用法是：故意修改脚本中的参数，比如调整窗口大小或时间状态语义，观察运行结果的变化及报错信息。通过不断调试参数、修复语法错误、适配不同的数据源格式，你才能真正把语法逻辑内化为自己的技能，而不是仅仅记住了几个模板。
