美团点评基于Flink的实时计算平台实践分享
需积分: 9 2 浏览量
更新于2024-07-17
收藏 5.27MB PDF 举报
"FlinkForwardChina2018基于Flink的美团点评实时计算平台实践和应用.pdf"
这篇文档主要介绍了美团点评在其业务中如何利用Apache Flink构建实时计算平台,并分享了相关的实践经验和应用场景。鞠大大升作为美团点评的研究员,在2018年的FlinkForwardChina大会上进行了这次演讲。
首先,文档的"介绍"部分可能涵盖了美团点评的基本情况,包括公司的业务范围,如大众点评、美团外卖和猫眼电影等多元化服务,以及这些业务的特点,例如业务形态各异、涉及复杂的交易链路和强烈的业务协同需求。这些特点使得实时计算在美团点评的业务中扮演了关键角色。
接着,"平台建设实践"章节可能详细讲述了美团点评是如何构建基于Flink的实时计算平台的。这可能涉及到选用Flink的原因,比如Flink的低延迟、高吞吐量和状态管理能力。平台可能采用了Kafka作为流数据接入,Flink作为核心处理引擎,结合SQL进行数据查询,使用HBase和Redis进行存储,Yarn作为资源管理系统,Hdfs用于数据持久化,以及DruidDB和BinlogLog等组件来实现数据管理和监控。
"实时应用"部分可能列举了Flink在美团点评的具体应用场景,可能包括实时数据分析、用户行为追踪、交易风控、推荐系统等。这些应用展示了Flink如何帮助公司快速响应业务变化,提高运营效率,并通过实时洞察优化用户体验。
"挑战与未来工作"章节可能讨论了在实际运行中遇到的问题,如数据质量、稳定性、扩展性、运维复杂度等挑战,以及针对这些挑战的解决方案和未来的规划。美团点评可能正在寻求更高效的数据处理策略,优化平台架构,提升系统的弹性和可维护性。
这份文档提供了对美团点评实时计算平台深入理解的窗口,揭示了Flink在大规模业务场景下的应用和价值,对于理解实时计算在现代电商及生活服务平台中的重要性具有很高的参考价值。
784 浏览量
147 浏览量
186 浏览量
361 浏览量
2019-08-29 上传
195 浏览量
130 浏览量
307 浏览量
240 浏览量

weixin_38743481
- 粉丝: 698
最新资源
- DotNet实用类库源码分享:多年工作经验结晶
- HALCON视觉算法实践指南与实验教程
- LabVIEW摄像头图像采集与显示技术解析
- 全面保护Drupal应用:安全模块与策略指南
- 深入理解Apache Tomcat 6.0及其Web服务器特性
- Qt Monkey工具:自动化测试Qt应用的有效方法
- Swift实现饿了么美团购物车动画教程
- Android易网新闻页面异步加载源码解析与应用
- 飞凌开发板i.MX6下Qt4.85版本WIFI模块测试程序
- 炫酷Android计时器实例解析与源码
- AD7792官方例程解析
- 城市规模图像地理定位算法实现与示例代码
- FlyMe示例应用深度解析:Xamarin.Forms新特性展示
- Linux系统nginx完整离线安装包
- 360免费图片上传系统:全面技术支持与学习资源
- 动态分区分配算法原理与实现详解