首页
›
数据工程与实时数据平台
›
003-实时流处理
›
《Kafka Streams状态存储与RocksDB容错优化》
VIP20
本课程属于:003-实时流处理
数据工程与实时数据平台 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
Kafka Streams状态存储与RocksDB容错优化
📚 共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
第 1 章
状态存储概述
什么是状态存储、为什么需要状态存储、状态存储的核心概念。
基础
概念
第 2 章
Kafka Streams 状态存储架构
本地状态存储、远程状态存储、Changelog Topic。
架构
核心
第 3 章
RocksDB 详解
RocksDB 是什么、RocksDB 在 Kafka Streams 中的角色、RocksDB 配置与调优。
存储引擎
调优
第 4 章
In-Memory State Store
内存状态存储的原理、适用场景、优缺点分析。
内存
性能
第 5 章
Persistent Key-Value Store
持久化键值存储的实现、读写流程、数据恢复机制。
持久化
可靠性
第 6 章
Windowed State Store
窗口状态存储的概念、滑动窗口与会话窗口、窗口存储的实现。
窗口
时间
第 7 章
Session Store
会话存储的原理、超时机制、实际应用案例。
会话
实战
第 8 章
Timestamped State Store
带时间戳的状态存储、时间戳的作用、数据版本控制。
时间戳
版本
第 9 章
State Store 的创建与注册
StoreBuilder 的使用、自定义状态存储、状态存储的生命周期。
API
生命周期
第 10 章
State Store 的读写操作
put()、get()、delete()、range()、all() 等 API 详解。
API
操作
第 11 章
State Store 的序列化与反序列化
Serde 的作用、自定义 Serde、性能优化。
序列化
性能
第 12 章
State Store 的容错机制
Changelog Topic 的工作原理、故障恢复流程、Exactly-Once 语义。
容错
一致性
第 13 章
State Store 的监控与管理
JMX 指标、监控工具、常见问题排查。
监控
运维
第 14 章
State Store 的性能优化
内存管理、磁盘 I/O 优化、缓存策略。
优化
缓存
第 15 章
State Store 的扩展性
分区与状态存储的关系、水平扩展策略、再均衡时的状态迁移。
扩展
分区
第 16 章
State Store 与 Processor API
Processor API 中的状态存储、Punctuator 的使用。
API
底层
第 17 章
State Store 与 DSL API
KTable 与 GlobalKTable 的状态存储、聚合操作中的状态。
DSL
高级
第 18 章
State Store 的事务支持
事务性状态存储、读写事务、跨分区事务。
事务
一致性
第 19 章
State Store 的备份与恢复
快照机制、增量备份、灾难恢复。
备份
恢复
第 20 章
State Store 的安全
访问控制、数据加密、审计日志。
安全
加密
第 21 章
State Store 的版本兼容性
升级策略、数据格式兼容、滚动升级。
版本
兼容
第 22 章
State Store 的测试
单元测试、集成测试、Mock 状态存储。
测试
Mock
第 23 章
State Store 的常见问题与解决方案
数据倾斜、内存溢出、性能瓶颈。
排错
实战
第 24 章
State Store 的最佳实践
设计模式、配置建议、运维经验。
最佳实践
经验
第 25 章
State Store 与 Kafka Connect
Connect 中的状态存储、Source/Sink 状态管理。
Connect
集成
第 26 章
State Store 与 KSQL
KSQL 中的状态存储、持久化查询、物化视图。
KSQL
物化视图
第 27 章
State Store 的云原生部署
Kubernetes 上的状态存储、持久卷、自动扩缩容。
云原生
K8s
第 28 章
State Store 的跨数据中心复制
异地多活、数据同步、一致性保证。
跨DC
复制
第 29 章
State Store 的未来发展
新兴存储技术、社区动态、趋势预测。
趋势
前沿
第 30 章
综合实战:构建一个基于状态存储的实时推荐系统
端到端实战,融合状态存储构建实时推荐引擎。
实战
项目
所属VIP或分类
同VIP:Flink-SQL实时计算与数仓应用开发
同VIP:Flink-Watermark时序处理与乱序诊断
同VIP:Flink与Kafka实时数据管道集成开发