《Flink基础教程》是一本由[美] 埃伦•弗里德曼 / [希] 科斯塔斯•宙马斯著作，人民邮电出版社出版的平装图书，本书定价：39.00元，页数：96，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《Flink基础教程》精选点评：
●聊胜于无，不如官方文档读着实在，浪费大沙的盛名了
●这本确实是简介书 不知道与Apache pulsar 比起来如何 大概各有千秋吧
●东西不多，先做点笔记： 1. kappa 架构 2. 关于 checkpointing 和 保存点 的价值 3. flink 补充不丢和事务隔离性的关系（read uncommited 和 read commited） 4. 内部状态查询（经典） 5. 水印机制 6. 用 MQ 做跨地域数据同步，和全局（多个机房 merge）数据分析
●介绍概念，没深入
●很简洁，适合快速入门。
●不如看官方文档
●轻薄，用来了解概念上的东西不错，在窗口那节讲的比较多。也是一个更新很快的组件，好像批流处理要合一了。
●本来想快速翻完，了解一下原理的，不过现在看来还是缘分不够，基本看不进去。感觉没有实际的项目经验，靠自己想领悟还有有点困难。。。2019-12-18@水澜轩，借于浙图
●看懂了！！
●一本不错的小书，很适合快速了解
《Flink基础教程》读后感(一)：【教程】大数据Flink
课程分享：https://www.douban.com/group/topic/129199378/
本课程将基于真实的电商分析系统构建，通过Flink实现真正的实时分析，该系统会从无到有一步一步带大家实现，让大家在实操中快速掌握Flink技术。
课程所涵盖的知识点包括：Flink、Kafka、Flume、Sqoop、SpringMVC、Redis、HDFS、Mapreduce、Hbase、Hive、SpringBoot、SpringCloud等等
学完该课程大家会对Flink有非常深入的了解，同时可以体会到Flink的强大之处，以及可以结合自己公司的业务进行使用，减少自己研究和学习Flink的时间。
《Flink基础教程》读后感(二)：新一代大数据计算引擎 Flink从入门到实战
新一代大数据计算引擎 Flink从入门到实战
新一代大数据计算引擎 Flink从入门到实战
新一代大数据计算引擎 Flink从入门到实战
网盘地址：https://pan.baidu.com/s/1L0W59ezPNXu3sskf_lzBbQ 提取码: iauc
网盘地址：https://pan.baidu.com/s/1CbCFRN2kQXNViJfsuIyTxw 提取码: imu2
备用地址（腾讯微云）：https://share.weiyun.com/5PtgXQq 密码：mg23jm
《Flink基础教程》读后感(三)：【学途无忧网】大数据Flink视频教程下载
大数据Flink视频教程下载
本课程将基于真实的电商分析系统构建，通过Flink实现真正的实时分析，该系统会从无到有一步一步带大家实现，让大家在实操中快速掌握Flink技术。
课程所涵盖的知识点包括
Flink、Kafka、Flume、Sqoop、SpringMVC、Redis、HDFS、Mapreduce、Hbase、Hive、SpringBoot、SpringCloud等等
学完该课程大家会对Flink有非常深入的了解，同时可以体会到Flink的强大之处，以及可以结合自己公司的业务进行使用，减少自己研究和学习Flink的时间。
《Flink基础教程》读后感(四)：基于Flink流处理的动态实时亿级全端用户数据统计分析系统（支持所有的终端统计）
基于Flink流处理的动态实时亿级全端用户数据统计分析系统（支持所有的终端统计）
讲师：友凡老师
本套案例是完全基于真实的产品进行开发和讲解的，同时对架构进行全面的升级，采用了全新的Flink架构+Node.js+Vue.js等，完全符合目前企业级的使用标准。对于本套课程在企业级应用的问题，可以提供全面的指导。
Flink作为第四代大数据计算引擎，越来越多的企业在往Flink转换。Flink在功能性、容错性、性能方面都远远超过其他计算框架，兼顾高吞吐和低延时。
Flink能够基于同一个Flink运行时，提供支持流处理和批处理两种类型应用的功能。也就是说同时支持流处理和批处理。Flink将流处理和批处理统一起来，也就是说作为流处理看待时输入数据流是无界的；批处理被作为一种特殊的流处理，只是它的输入数据流被定义为有界的。
课程包含技术：
1. 流处理特性
支持高吞吐、低延迟、高性能的流处理
支持带有事件时间的窗口（Window）操作
支持有状态计算的Exactly-once语义
支持高度灵活的窗口（Window）操作，支持基于time、count、session，以及data-driven的窗口操作
支持具有Backpressure功能的持续流模型
支持基于轻量级分布式快照（Snapshot）实现的容错
一个运行时同时支持Batch on Streaming处理和Streaming处理
Flink在JVM内部实现了自己的内存管理
支持迭代计算
支持程序自动优化：避免特定情况下Shuffle、排序等昂贵操作，中间结果有必要进行缓存
2. API支持
对Streaming数据类应用，提供DataStream API
对批处理类应用，提供DataSet API（支持Java/Scala）
3. Libraries支持
支持机器学习（FlinkML）
支持图分析（Gelly）
支持关系数据处理（Table）
支持复杂事件处理（CEP）
4. 整合支持
支持Flink on YARN
支持HDFS
支持来自Kafka的输入数据
支持Apache HBase
支持Hadoop程序
支持Tachyon
支持ElasticSearch
支持RabbitMQ
支持Apache Storm
支持S3
支持XtreemFS
友凡老师另外一套flink课程推荐：
基于Flink流处理的动态实时电商实时分析系统