Tensorflow 的cpu版本和gpu版本所谓的cpu版本gpu版本值得就是计算核心的分别，分别是gpu核心，cpu核心。既然如此了解cpu和就显得很重要了。cpu是一种复杂的计算的软硬件结合，是个繁琐的计算处理，包含了各种中断，资源切换等。gpu也是一种软硬件解和体系，他适合的是一种简单的重复的大量运算。而且他不想cpu就几个核，目前gpu核有五百多个，而且未来还会增加。两种...

参数很重要，有时候参数被配置在配置文件中， 有时候我们可能会通过控制台传递参数，可以说参数很多地方都会用到，基于此，flink提供了一个工具可以很方便的读取参数，可以通过配置文件，也可以通过控制台，甚至我们可以把参数广播到全局，乃至于每个算子内部都可以访问到此参数。

核心的英文并未删除，方便读者甄别我的理解和翻译。DataStream 中的水位线，如果DataStream 中的水位线没读懂，建议不要往下看了，以防走火入魔。

createRemoteEnvironment(host: String, port: Int, jarFiles: String*)意思是将你本地的代码打的jar包,远程提交到已经存在的flink集群上.注意此程序再idea运行的时候,idea上不会有任何输出的.在这种模式下idea就是相当于一个传输所需jar文件的客户端,程序一旦执行之后,就和idea无关了.1.代码如下:package co

某天突然发现我的kafka中group_id消费记录不见了，特地查了下咋回事。众所周知新版本的kafka group_id消费的offset记录已经不存储在zookeeper上了，而是存储在__consumer_offsets 这个kafka内部自己管理的topic中，这个topic有50个分区。毫无疑问估计是group_id offset存储也应该是有时间过期值的，于是专门查了查。需要两个参数结

https://github.com/alibaba/canal/wiki/Zookeeper-QuickStart

注册桥接的catlogs在内部catlog注册table加载可插拔模块执行SQL查询注册用户定义的（标量、表或聚合）函数DataStream和Table的流转换。

算子大全摘要1.map2.flatMap3.filter4.keyBy摘要首先不得不提一点,每一个算子都是有状态的,算子的状态也是flink能够从错误中恢复的基础. 算子的执行状态称为状态后端,状态是可以被程序访问,甚至我们可以自己及写代码访问状态.比如广播就利用了这个特性,首先将流广播出去,然后通过状态句柄去访问广播出去的流.可以说理解算子状态是学习flink的核心.状态的存储见我的其他的文章.

一.概述在此之前你需要了解:DataStream api 概述DataStream API 支持不同的运行时执行模式(streaming/batch)，您可以根据用例的要求和作业的特征从中进行选择。STREAMINGDataStream API 有“经典”的执行行为，我们称之为STREAMING执行模式。这应该用于需要连续增量处理并预计无限期保持在线的无限制作业,这是默认的执行模式.BATCH这以

flinkTable中的所有数据类型都是class封装的，在这之中有一个基类： org.apache.flink.table.types.DataType，所有的类型都是该类的实现类。除此之外Flinktable还提供了一个final类型的类，该类提供了大量的静态方法可以指定访问实现了 org.apache.flink.table.types.DataType接口的真正实现类， 这个final类型