1. Flink SQL 前世今生：流式计算概念、Flink 发展史、Flink SQL 定位与优势、课程整体大纲介绍
1.1 流式计算：从“批”到“流”的思维转变
先聊聊流式计算。说白了，传统的数据处理是“批”的思维——数据攒够一批，一次性算完。你想想看，跑个离线任务，等个几小时出报表，这在过去是常态。
但流式计算不一样。数据是一条一条来的，来一条处理一条。我刚开始接触流式概念时，总觉得这不就是“实时”吗？其实没那么简单。流式计算的核心是无界数据——你不知道数据什么时候结束，甚至可能永远不会结束。
举个例子：你在淘宝上买东西，订单数据源源不断产生。批处理是晚上12点统一算今天卖了多少钱；流处理是每产生一笔订单，实时更新销售额。这两种模式，本质上是对“时间”和“数据边界”的不同理解。
核心区别一句话：批处理处理“有界数据”，流处理处理“无界数据”。
我在项目中遇到过不少团队，拿着批处理的思维写流式任务，结果延迟高、状态乱、结果还不准。嗯，这里要特别注意——流式计算不是“快一点的批处理”，它的编程模型、容错机制、状态管理，完全是另一套体系。
1.2 Flink 发展史：从学术项目到工业标准
Flink 的故事挺有意思。它最早是柏林工业大学的一个研究项目，叫“Stratosphere”。2014年，它捐给了 Apache 软件基金会，正式改名 Flink。
我记得 Flink 1.0 发布时，圈内人还在观望。那时候 Spark Streaming 如日中天，很多人觉得“微批次”就是流处理的终极形态。但 Flink 走了一条不同的路——真正的逐条处理，每条数据到了就处理，不攒批。
几个关键里程碑：
| 版本 | 发布时间 | 核心变化 |
|---|---|---|
| Flink 0.6 | 2014年 | 首个 Apache 孵化版本，支持流批一体雏形 |
| Flink 1.0 | 2016年 | 正式 GA，引入 DataStream API |
| Flink 1.2 | 2017年 | 支持 Savepoint，状态管理成熟 |
| Flink 1.9 | 2019年 | 引入 Table & SQL API 预览版 |
| Flink 1.12 | 2020年 | 流批一体正式 GA，SQL 成为一等公民 |
| Flink 1.14+ | 2021年至今 | SQL 功能持续增强，CDC、动态表全面支持 |
为什么 Flink 能后来居上？我个人习惯用一句话总结：它从设计之初就是为流而生。Spark Streaming 的微批次是“批模拟流”，Flink 是“流原生”。这个基因差异，决定了后续所有能力的天花板。
一个小经验：如果你在选型时纠结 Flink 还是 Spark Streaming，先问自己一个问题——你的数据是“源源不断”还是“按批次到达”？前者选 Flink，后者选 Spark 也没毛病。
1.3 Flink SQL 的定位与优势
Flink SQL 是什么？它让你用标准 SQL 写流处理任务。你不需要学 DataStream API，不需要手动管理状态，不需要写复杂的 ProcessFunction。写一条 SQL，Flink 自动帮你翻译成流式计算 DAG。
它的定位很清晰：降低流式计算的门槛。我见过太多 Java 开发同学，一听到“状态后端”“Checkpoint”“Watermark”就头大。有了 Flink SQL，这些底层细节被封装了，你只需要关心业务逻辑。
几个核心优势：
- 声明式编程：你告诉 Flink“要什么”，不用管“怎么做”。SQL 就是最好的声明式语言。
- 流批一体：同一套 SQL，既能跑流也能跑批。我在项目中经常用这个特性——开发时用批模式调试，上线切流模式，代码一行不改。
- 生态丰富：Kafka、MySQL、Elasticsearch、Hive……Flink SQL 内置了各种 Connector，开箱即用。
- 状态管理自动化：你写个 COUNT、SUM、JOIN，Flink 自动帮你维护状态，不用手动写状态后端代码。
避坑指南：我曾经以为 Flink SQL 能替代所有 DataStream API 场景。后来发现，复杂事件处理、自定义窗口逻辑、细粒度状态控制，还是得用 DataStream。Flink SQL 覆盖了 80% 的场景，剩下 20% 留给 API。
为什么会这样？因为 SQL 的表达能力有边界。比如你想实现“连续三次登录失败后告警”，用 SQL 写窗口函数很别扭，但用 DataStream 的 CEP 库就很简单。所以我的建议是：能用 SQL 用 SQL，SQL 搞不定再降级到 API。
1.4 课程整体大纲
这门课一共 30 章，我按“从零到一”的思路设计。你不需要有 Flink 基础，但最好懂点 SQL 和 Java。
整体分四个阶段：
- 基础篇（1-8 章）：环境搭建、SQL 语法、Table API、数据类型、时间属性。让你能跑通第一个 Flink SQL 任务。
- 核心篇（9-16 章）：窗口、Join、聚合、状态管理、Checkpoint。这些是流式 SQL 的硬骨头，我会结合项目踩坑经历讲。
- 进阶篇（17-24 章）：CDC、维表关联、动态表、UDF、性能调优。这部分偏实战，很多技巧是我在线上环境摸爬滚打总结的。
- 实战篇（25-30 章）：完整项目实战——实时数仓、实时大屏、实时风控。每个项目都有完整代码和部署方案。
下面这张图，帮你快速建立知识体系：
这门课的设计原则是：每章都能动手，每章都有产出。我不会给你讲太多理论，更多的是“这个场景我遇到过，当时怎么解决的”。你跟着走完 30 章，应该能独立搭建一个实时数据处理 pipeline。
我的建议：准备一个笔记本，把每章的 SQL 示例手敲一遍。别复制粘贴，手敲能帮你记住语法细节。我当年学 Flink SQL 时，光 CREATE TABLE 语句就敲了不下 50 遍。