Flink SQL 流计算可视化 UI 平台

短命女 2023-01-01 03:56 408阅读 0赞

一、简介

flink-streaming-platform-web系统是基于flink封装的一个可视化的web系统，用户只需在web界面进行sql配置就能完成流计算任务，主要功能包含任务配置、启/停任务、告警、日志等功能。目的是减少开发，完全实现 flink-sql 流计算任务，flink 任务支持单流、双流、单流与维表等，支持本地模式、yarn-per模式、STANDALONE模式。

**支持udf、自定义连接器等,完全兼容官方连接器**

**目前flink版本已经升级到1.12**

效果图

![图片][f212da5864f2ebf0b8f8ae42e592b2d4.png]

![图片][2565e5a198bb5a3aa602ee0ff5c5e7a0.png]

![图片][45cdc5d9036ba0e1014dfc2d49d63a96.png]

![图片][ce8ff474bf626c22cf3a73320ea3b790.png]

![图片][de7ab92ea3db75dd1d0812508ef6d6b9.png]

![图片][7e923a60cb6e2a834f0822eb7cac4c28.png]

![图片][8141deb533c6ee19805983ec873b6c12.png]

![图片][39d27c9f15884ce155341fb91d0953ae.png]

![图片][b000daf65ce931c81ac8f7556aa4091d.png]

![图片][75d18583907cdc427de7dfe3eab4516c.png]

![图片][2b168db61bec010e1a6f9dd5a55a1595.png]

## 二、环境以及安装 ##

### 1、环境 ###

*  操作系统：linux  **(不支持win系统)**
 *  hadoop版本 2+
 *  flink 版本 1.12.0  官方地址: https://ci.apache.org/projects/flink/flink-docs-release-1.12/
 *  jdk版本 jdk1.8
 *  scala版本 2.11
 *  kafka版本 1.0+
 *  mysql版本 5.6+

### 2、应用安装 ###

1、flink客户端安装

下载对应版本

https://www.apache.org/dyn/closer.lua/flink/flink-1.12.0/flink-1.12.0-bin-scala\_2.11.tgz

然后解压

a: /flink-1.12.0/conf

**1、YARN\_PER模式**

文件下面放入hadoop客户端配置文件

core-site.xml 
    yarn-site.xml 
    hdfs-site.xml

**2、LOCAL模式**

无

**3、STANDALONE模式**

无

以上三种模式都需要修改  [**flink-conf.yaml**][flink-conf.yaml]   开启 classloader.resolve-order 并且设置

**classloader.resolve-order: parent-first**

b: /flink-1.11.1/lib  hadoop集成

下载 flink-shaded-hadoop-2-uber-${xxx}.jar 到lib 
    地址  https://repo.maven.apache.org/maven2/org/apache/flink/flink-shaded-hadoop-2-uber/2.7.5-10.0/flink-shaded-hadoop-2-uber-2.7.5-10.0.jar

**完毕后执行  export [HADOOP\_CLASSPATH][flink-conf.yaml]=`hadoop classpath`**

export HADOOP\_CLASSPATH=`hadoop classpath`

2、flink-streaming-platform-web安装

a:[**下载最新版本**][flink-conf.yaml] 并且解压 https://github.com/zhp8341/flink-streaming-platform-web/releases/

tar -xvf   flink-streaming-platform-web.tar.gz

b:执行mysql语句

mysql 版本5.6+以上
    
     创建数据库 数据库名：flink_web
     
     执行表语句
     语句地址 https://github.com/zhp8341/flink-streaming-platform-web/blob/master/docs/sql/flink_web.sql

c:修改数据库连接配置

/flink-streaming-platform-web/conf/application.properties  
    改成上面建好的mysql地址

**关于数据库连接配置 需要看清楚你 useSSL=true 你的mysql是否支持**

d:启动web

cd  /XXXX/flink-streaming-platform-web/bin 
    
    一定要到bin目录下再执行
    
    启动 : sh deploy.sh  start
    
    停止 :  sh deploy.sh  stop
    
    日志目录地址： /XXXX/flink-streaming-platform-web/logs/

e:登录

http://${ip或者hostname}:9084/  如 : http://hadoop003:9084/
    
    
    登录号：admin  密码 123456

f:集群

如果需要集群部署模式 简单参考图

[![图片][2fc9a6f96e2dd180a9028a355ecd65b0.png]][flink-conf.yaml]

图片

**备注：flink客户端必须和flink-streaming-platform-web应用部署在一起**

## 三、功能介绍 ##

### 1、新增任务配置说明 ###

a: 任务名称（\*必选）

任务名称不能超过50个字符 并且 任务名称仅能含数字,字母和下划线

b: 运行模式

YARN\_PER( yarn独立模式 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/yarn\_setup.html\#run-a-single-flink-job-on-yarn)

STANDALONE（独立集群 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/cluster\_setup.html）

LOCAL(本地集群 https://ci.apache.org/projects/flink/flink-docs-release-1.11/zh/ops/deployment/local.html )

LOCAL 需要在本地单机启动flink 服务  ./bin/start-cluster.sh

c: flink运行配置

1、YARN\_PER模式

参数（和官方保持一致）但是只支持 -yD -p -yjm -yn -ytm -ys -yqu(必选)  
     -ys slot个数。
     -yn task manager 数量。
     -yjm job manager 的堆内存大小。
     -ytm task manager 的堆内存大小。
     -yqu yarn队列明
     -p 并行度
     -yD 如-yD  taskmanager.heap.mb=518
     详见官方文档
    如： -yqu flink   -yjm 1024m -ytm 2048m  -p 1  -ys 1

2、LOCAL模式

无需配置

3、STANDALONE模式

-d,--detached                        If present, runs the job in detached
                                              mode
    
    -p,--parallelism <parallelism>       The parallelism with which to run the
                                              program. Optional flag to override the
                                              default value specified in the
                                              configuration.
    
    -s,--fromSavepoint <savepointPath>   Path to a savepoint to restore the job
                                              from (for example
                                              hdfs:///flink/savepoint-1537).
    
    其他运行参数可通过 flink -h查看

d: Checkpoint信息

不填默认不开启checkpoint机制 参数只支持 
    -checkpointInterval 
    -checkpointingMode 
    -checkpointTimeout 
    -checkpointDir 
    -tolerableCheckpointFailureNumber 
    -asynchronousSnapshots 
    如：  -asynchronousSnapshots true  -checkpointDir   hdfs://hcluster/flink/checkpoints/   
    (注意目前权限)

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>值</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>checkpointInterval</td> 
   <td>整数 （如 1000）</td> 
   <td>默认每60s保存一次checkpoint &nbsp;单位毫秒</td> 
  </tr> 
  <tr> 
   <td>checkpointingMode</td> 
   <td>EXACTLY_ONCE &nbsp;或者 AT_LEAST_ONCE</td> 
   <td>一致性模式 默认EXACTLY_ONCE &nbsp;单位字符</td> 
  </tr> 
  <tr> 
   <td>checkpointTimeout</td> 
   <td>6000</td> 
   <td>默认超时10 minutes 单位毫秒</td> 
  </tr> 
  <tr> 
   <td>checkpointDir</td> 
   <td>&nbsp;</td> 
   <td>保存地址 如 &nbsp;hdfs://hcluster/flink/checkpoints/ 注意目录权限</td> 
  </tr> 
  <tr> 
   <td>tolerableCheckpointFailureNumber</td> 
   <td>1</td> 
   <td>设置失败次数 默认一次</td> 
  </tr> 
  <tr> 
   <td>asynchronousSnapshots</td> 
   <td>true 或者 false</td> 
   <td>是否异步</td> 
  </tr> 
 </tbody> 
</table>

e: 三方地址

填写连接器或者udf等jar 
     如： 
    http://ccblog.cn/jars/flink-connector-jdbc_2.11-1.12.0.jar
    http://ccblog.cn/jars/flink-sql-connector-kafka_2.11-1.12.0.jar
    http://ccblog.cn/jars/flink-streaming-udf.jar
    http://ccblog.cn/jars/mysql-connector-java-5.1.25.jar
     
     地址填写后 udf可以在sql语句里面直接写
    CREATE   FUNCTION jsonHasKey as 'com.xx.udf.JsonHasKeyUDF';

![图片][2b168db61bec010e1a6f9dd5a55a1595.png]

多个url使用换行

udf 开发demo 详见  https://github.com/zhp8341/flink-streaming-udf

### 2、系统设置 ###

系统设置有三个必选项
        1、flink-streaming-platform-web应用安装的目录（必选） 
         这个是应用的安装目录
          如 /root/flink-streaming-platform-web/
    
        2、flink安装目录（必选）
          --flink客户端的目录 如： /usr/local/flink-1.12.0/
    
        3、yarn的rm Http地址
         --hadoop yarn的rm Http地址  http://hadoop003:8088/
    
        4、flink_rest_http_address
         LOCAL模式使用 flink http的地址
    
        5、flink_rest_ha_http_address
         STANDALONE模式 支持HA的   可以填写多个地址 ;用分隔

![图片][8141deb533c6ee19805983ec873b6c12.png]

### 3、报警设置 ###

报警设置用于: 当运行的任务挂掉的时候会告警
       
        资料：钉钉报警设置官方文档：https://help.aliyun.com/knowledge_detail/106247.html

安全设置 关键词必须填写： 告警

![图片][54da5cda9205cd7db1e6694c380b5793.png]

![图片][c5f59cf98c0b7a6fe626e0691013df73.png]

效果图

![图片][49204c7ed0badbd64255885c89fe597e.png]

## 三、配置demo ##

**请使用一下sql进行环境测试**

CREATE TABLE source_table (
      f0 INT,
      f1 INT,
      f2 STRING
     ) WITH (
      'connector' = 'datagen',
      'rows-per-second'='5'
     );
      
      
     CREATE TABLE print_table (
      f0 INT,
      f1 INT,
      f2 STRING
     ) WITH (
      'connector' = 'print'
     );
      
      
      insert into print_table select f0,f1,f2 from source_table;

以下语法是按照flink1.10写的 有时间重新写

demo1 单流kafka写入mysqld 参考

demo2 双流kafka写入mysql 参考

demo3 kafka和mysql维表实时关联写入mysql 参考

demo4 滚动窗口

demo5 滑动窗口

CREATE   FUNCTION jsonHasKey as 'com.xx.udf.JsonHasKeyUDF';
    
    -- 如果使用udf 函数必须配置 udf地址
    
         create table flink_test_6 ( 
      id BIGINT,
      day_time VARCHAR,
      amnount BIGINT,
      proctime AS PROCTIME ()
    )
     with ( 
     'connector.properties.zookeeper.connect'='hadoop001:2181',
      'connector.version'='universal',
      'connector.topic'='flink_test_6',
      'connector.startup-mode'='earliest-offset',
      'format.derive-schema'='true',
      'connector.type'='kafka',
      'update-mode'='append',
      'connector.properties.bootstrap.servers'='hadoop003:9092',
      'connector.properties.group.id'='flink_gp_test1',
      'format.type'='json'
     );
    
    
    create table flink_test_6_dim ( 
      id BIGINT,
      coupon_amnount BIGINT
    )
     with ( 
       'connector.type' = 'jdbc',
       'connector.url' = 'jdbc:mysql://127.0.0.1:3306/flink_web?characterEncoding=UTF-8',
       'connector.table' = 'test_dim',
       'connector.username' = 'flink_web_test',
       'connector.password' = 'flink_web_test_123',
       'connector.lookup.max-retries' = '3'
     );
    
    
    CREATE TABLE sync_test_3 (
                       day_time string,
                       total_gmv bigint
     ) WITH (
       'connector.type' = 'jdbc',
       'connector.url' = 'jdbc:mysql://127.0.0.1:3306/flink_web?characterEncoding=UTF-8',
       'connector.table' = 'sync_test_3',
       'connector.username' = 'flink_web_test',
       'connector.password' = 'flink_web_test_123'
    
     );
    
    
    INSERT INTO sync_test_3 
    SELECT 
      day_time, 
      SUM(amnount - coupon_amnount) AS total_gmv 
    FROM 
      (
        SELECT 
          a.day_time as day_time, 
          a.amnount as amnount, 
          b.coupon_amnount as coupon_amnount 
        FROM 
          flink_test_6 as a 
          LEFT JOIN flink_test_6_dim  FOR SYSTEM_TIME AS OF  a.proctime  as b
         ON b.id = a.id
      ) 
    GROUP BY day_time;

**官方相关预发和连接下载**

请移步 https://ci.apache.org/projects/flink/flink-docs-release-1.12/dev/table/connectors/

## 四、支持flink sql官方语法 ##

完全按照flink1.12的连接器相关的配置 详见

https://ci.apache.org/projects/flink/flink-docs-release-1.12/dev/table/connectors/

如果需要使用到连接器请去官方下载 如：kafka 连接器 https://ci.apache.org/projects/flink/flink-docs-release-1.12/dev/table/connectors/kafka.html

**第一种下载连接器后直接放到 flink/lib/目录下就可以使用了**

1、该方案存在jar冲突可能，特别是连接器多了以后
    2、在非yarn模式下每次新增jar需要重启flink集群服务器

**第二种放到http的服务下填写到三方地址**

公司内部建议放到内网的某个http服务
    http://ccblog.cn/jars/flink-connector-jdbc_2.11-1.12.0.jar
    http://ccblog.cn/jars/flink-sql-connector-kafka_2.11-1.12.0.jar
    http://ccblog.cn/jars/flink-streaming-udf.jar
    http://ccblog.cn/jars/mysql-connector-java-5.1.25.jar

![图片][2b168db61bec010e1a6f9dd5a55a1595.png]

多个url使用换行

**自定义连接器打包的时候需要打成shade 并且解决jar的冲突**

**个人建议使用第二种方式，每个任务之间jar独立，如果把所有连接器放到lib 可能会和其他任务的jar冲突****公用的可以放到flink/lib目录里面  如：mysql驱动 kafka连接器等**

## 五、其他 ##

1、由于hadoop集群环境不一样可能导致部署出现困难,整个搭建比较耗时.

2、由于es 、hbase等版本不一样可能需要下载源码重新选择对应版本 源码地址 https://github.com/zhp8341/flink-streaming-platform-web

## 六、问题 ##

1、

Setting HADOOP_CONF_DIR=/etc/hadoop/conf because no HADOOP_CONF_DIR was set.
    Could not build the program from JAR file.
    
    Use the help option (-h or --help) to get help on the command.
    
    
    解决
       export HADOOP_HOME=/etc/hadoop
       export HADOOP_CONF_DIR=/etc/hadoop/conf
       export HADOOP_CLASSPATH=`hadoop classpath`
    
       source /etc/profile
    
      最好配置成全局变量

2020-10-02 14:48:22,060 ERROR com.flink.streaming.core.JobApplication                       - 任务执行失败：
    java.lang.IllegalStateException: Unable to instantiate java compiler
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.compile(JaninoRelMetadataProvider.java:434)
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.load3(JaninoRelMetadataProvider.java:375)
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.lambda$static$0(JaninoRelMetadataProvider.java:109)
            at org.apache.flink.calcite.shaded.com.google.common.cache.CacheLoader$FunctionToCacheLoader.load(CacheLoader.java:149)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$LoadingValueReference.loadFuture(LocalCache.java:3542)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.loadSync(LocalCache.java:2323)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.lockedGetOrLoad(LocalCache.java:2286)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$Segment.get(LocalCache.java:2201)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache.get(LocalCache.java:3953)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache.getOrLoad(LocalCache.java:3957)
            at org.apache.flink.calcite.shaded.com.google.common.cache.LocalCache$LocalLoadingCache.get(LocalCache.java:4875)
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.create(JaninoRelMetadataProvider.java:475)
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.revise(JaninoRelMetadataProvider.java:488)
            at org.apache.calcite.rel.metadata.RelMetadataQuery.revise(RelMetadataQuery.java:193)
            at org.apache.calcite.rel.metadata.RelMetadataQuery.getPulledUpPredicates(RelMetadataQuery.java:797)
            at org.apache.calcite.rel.rules.ReduceExpressionsRule$ProjectReduceExpressionsRule.onMatch(ReduceExpressionsRule.java:298)
            at org.apache.calcite.plan.AbstractRelOptPlanner.fireRule(AbstractRelOptPlanner.java:319)
            at org.apache.calcite.plan.hep.HepPlanner.applyRule(HepPlanner.java:560)
            at org.apache.calcite.plan.hep.HepPlanner.applyRules(HepPlanner.java:419)
            at org.apache.calcite.plan.hep.HepPlanner.executeInstruction(HepPlanner.java:256)
            at org.apache.calcite.plan.hep.HepInstruction$RuleInstance.execute(HepInstruction.java:127)
            at org.apache.calcite.plan.hep.HepPlanner.executeProgram(HepPlanner.java:215)
            at org.apache.calcite.plan.hep.HepPlanner.findBestExp(HepPlanner.java:202)
            at org.apache.flink.table.planner.plan.optimize.program.FlinkHepProgram.optimize(FlinkHepProgram.scala:69)
            at org.apache.flink.table.planner.plan.optimize.program.FlinkHepRuleSetProgram.optimize(FlinkHepRuleSetProgram.scala:87)
            at org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram$$anonfun$optimize$1.apply(FlinkChainedProgram.scala:62)
            at org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram$$anonfun$optimize$1.apply(FlinkChainedProgram.scala:58)
            at scala.collection.TraversableOnce$$anonfun$foldLeft$1.apply(TraversableOnce.scala:157)
            at scala.collection.TraversableOnce$$anonfun$foldLeft$1.apply(TraversableOnce.scala:157)
            at scala.collection.Iterator$class.foreach(Iterator.scala:891)
            at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
            at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
            at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
            at scala.collection.TraversableOnce$class.foldLeft(TraversableOnce.scala:157)
            at scala.collection.AbstractTraversable.foldLeft(Traversable.scala:104)
            at org.apache.flink.table.planner.plan.optimize.program.FlinkChainedProgram.optimize(FlinkChainedProgram.scala:57)
            at org.apache.flink.table.planner.plan.optimize.StreamCommonSubGraphBasedOptimizer.optimizeTree(StreamCommonSubGraphBasedOptimizer.scala:170)
            at org.apache.flink.table.planner.plan.optimize.StreamCommonSubGraphBasedOptimizer.doOptimize(StreamCommonSubGraphBasedOptimizer.scala:90)
            at org.apache.flink.table.planner.plan.optimize.CommonSubGraphBasedOptimizer.optimize(CommonSubGraphBasedOptimizer.scala:77)
            at org.apache.flink.table.planner.delegation.PlannerBase.optimize(PlannerBase.scala:248)
            at org.apache.flink.table.planner.delegation.PlannerBase.translate(PlannerBase.scala:151)
            at org.apache.flink.table.api.internal.TableEnvironmentImpl.translate(TableEnvironmentImpl.java:682)
            at org.apache.flink.table.api.internal.TableEnvironmentImpl.sqlUpdate(TableEnvironmentImpl.java:495)
            at com.flink.streaming.core.JobApplication.callDml(JobApplication.java:138)
            at com.flink.streaming.core.JobApplication.main(JobApplication.java:85)
            at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
            at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
            at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
            at java.lang.reflect.Method.invoke(Method.java:498)
            at org.apache.flink.client.program.PackagedProgram.callMainMethod(PackagedProgram.java:321)
            at org.apache.flink.client.program.PackagedProgram.invokeInteractiveModeForExecution(PackagedProgram.java:205)
            at org.apache.flink.client.ClientUtils.executeProgram(ClientUtils.java:138)
            at org.apache.flink.client.cli.CliFrontend.executeProgram(CliFrontend.java:664)
            at org.apache.flink.client.cli.CliFrontend.run(CliFrontend.java:213)
            at org.apache.flink.client.cli.CliFrontend.parseParameters(CliFrontend.java:895)
            at org.apache.flink.client.cli.CliFrontend.lambda$main$10(CliFrontend.java:968)
            at java.security.AccessController.doPrivileged(Native Method)
            at javax.security.auth.Subject.doAs(Subject.java:422)
            at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1754)
            at org.apache.flink.runtime.security.HadoopSecurityContext.runSecured(HadoopSecurityContext.java:41)
            at org.apache.flink.client.cli.CliFrontend.main(CliFrontend.java:968)
    Caused by: java.lang.ClassCastException: org.codehaus.janino.CompilerFactory cannot be cast to org.codehaus.commons.compiler.ICompilerFactory
            at org.codehaus.commons.compiler.CompilerFactoryFactory.getCompilerFactory(CompilerFactoryFactory.java:129)
            at org.codehaus.commons.compiler.CompilerFactoryFactory.getDefaultCompilerFactory(CompilerFactoryFactory.java:79)
            at org.apache.calcite.rel.metadata.JaninoRelMetadataProvider.compile(JaninoRelMetadataProvider.java:432)
            ... 60 more
    
    conf/flink-conf.yaml

**配置里面 设置  classloader.resolve-order: parent-first**

**主要日志目录**

1、web系统日志

/{安装目录}/flink-streaming-platform-web/logs/

2 、flink客户端命令

${FLINK_HOME}/log/flink-${USER}-client-.log

## 七、RoadMap ##

*  支持除官方以外的连接器  如：阿里云的sls
 *  任务告警自动拉起
 *  支持Application模式
 *  完善文档

本文转自：[https://github.com/zhp8341/flink-streaming-platform-web][flink-conf.yaml]

![图片][06db1ba5ea516dc14d91e9e942677c0e.gif]

*  [基于 Apache Flink 的实时监控告警系统][Apache Flink]
 *  [关于数据中台的深度思考与总结（干干货）][Link 1]
 *  [日志收集Agent，阴暗潮湿的地底世界][Agent]
 *  [2020 继续踏踏实实的做好自己][2020]

[f212da5864f2ebf0b8f8ae42e592b2d4.png]: /images/20221120/2db892e6b4c34115b86d268c71e5a220.png
[2565e5a198bb5a3aa602ee0ff5c5e7a0.png]: /images/20221120/aa5b5a93b1db4106bf0614dc5ff08d46.png
[45cdc5d9036ba0e1014dfc2d49d63a96.png]: https://img-blog.csdnimg.cn/img_convert/45cdc5d9036ba0e1014dfc2d49d63a96.png
[ce8ff474bf626c22cf3a73320ea3b790.png]: https://img-blog.csdnimg.cn/img_convert/ce8ff474bf626c22cf3a73320ea3b790.png
[de7ab92ea3db75dd1d0812508ef6d6b9.png]: https://img-blog.csdnimg.cn/img_convert/de7ab92ea3db75dd1d0812508ef6d6b9.png
[7e923a60cb6e2a834f0822eb7cac4c28.png]: https://img-blog.csdnimg.cn/img_convert/7e923a60cb6e2a834f0822eb7cac4c28.png
[8141deb533c6ee19805983ec873b6c12.png]: https://img-blog.csdnimg.cn/img_convert/8141deb533c6ee19805983ec873b6c12.png
[39d27c9f15884ce155341fb91d0953ae.png]: https://img-blog.csdnimg.cn/img_convert/39d27c9f15884ce155341fb91d0953ae.png
[b000daf65ce931c81ac8f7556aa4091d.png]: https://img-blog.csdnimg.cn/img_convert/b000daf65ce931c81ac8f7556aa4091d.png
[75d18583907cdc427de7dfe3eab4516c.png]: https://img-blog.csdnimg.cn/img_convert/75d18583907cdc427de7dfe3eab4516c.png
[2b168db61bec010e1a6f9dd5a55a1595.png]: https://img-blog.csdnimg.cn/img_convert/2b168db61bec010e1a6f9dd5a55a1595.png
[flink-conf.yaml]: http://mp.weixin.qq.com/s?__biz=MzIxMTE0ODU5NQ==&mid=2650243693&idx=1&sn=b721eaccd31b1f81cff1a63075c33d69&chksm=8f5ae831b82d61275943777963e4691848985ba4743f8418a1479af7baabd9af4abd3032314f&scene=21#wechat_redirect
[2fc9a6f96e2dd180a9028a355ecd65b0.png]: https://img-blog.csdnimg.cn/img_convert/2fc9a6f96e2dd180a9028a355ecd65b0.png
[54da5cda9205cd7db1e6694c380b5793.png]: https://img-blog.csdnimg.cn/img_convert/54da5cda9205cd7db1e6694c380b5793.png
[c5f59cf98c0b7a6fe626e0691013df73.png]: https://img-blog.csdnimg.cn/img_convert/c5f59cf98c0b7a6fe626e0691013df73.png
[49204c7ed0badbd64255885c89fe597e.png]: https://img-blog.csdnimg.cn/img_convert/49204c7ed0badbd64255885c89fe597e.png
[06db1ba5ea516dc14d91e9e942677c0e.gif]: https://img-blog.csdnimg.cn/img_convert/06db1ba5ea516dc14d91e9e942677c0e.gif
[Apache Flink]: http://mp.weixin.qq.com/s?__biz=MzIxMTE0ODU5NQ==&mid=2650239332&idx=1&sn=bd47b1018a7b3e34506a3bacece6c088&chksm=8f5a1b38b82d922e25e6efbbe132d3c7d57e53ae204ecce2db73a8d4633b1c89d90a87b2656b&scene=21#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzIxMTE0ODU5NQ==&mid=2650239535&idx=1&sn=f70cc6fb3ba3559554e68c8735fef442&chksm=8f5a1873b82d916554a2a557a5cf911e9e7e55166677a01c9e915484ef357f98b35a79106963&scene=21#wechat_redirect
[Agent]: http://mp.weixin.qq.com/s?__biz=MzIxMTE0ODU5NQ==&mid=2650239084&idx=2&sn=11e5feffe499d9f7e97b2a7af9286e76&chksm=8f5a1a30b82d932696dcb11b547391a3651ccb063d6ebb727e921c9d35e8ff1911cfbf0d6ce0&scene=21#wechat_redirect
[2020]: http://mp.weixin.qq.com/s?__biz=MzIxMTE0ODU5NQ==&mid=2650238911&idx=1&sn=7b384c92896263171a925909dfcf66fb&chksm=8f5a05e3b82d8cf5e33d6034c420ee62474dbf3db18e3ca0f09fc28f2f9d50e98e801bae1995&scene=21#wechat_redirect