摘要：2019云棲大會大數(shù)據(jù) & AI專場，阿里巴巴資深技術(shù)專家王峰帶來“Ververica Platform-阿里巴巴全新Flink企業(yè)版揭秘”的演講。本文主要從Ververica由來開始談起，著重講了Ververica Platform的四個(gè)核心插件App Manager、Libra Service、Stream Ledger、Gemini，以及阿里巴巴實(shí)時(shí)計(jì)算云原生版本相關(guān)特性及典型應(yīng)用場景。

直播回放請點(diǎn)擊

以下是精彩視頻內(nèi)容整理：

隨著人工智能時(shí)代的降臨，數(shù)據(jù)量的爆發(fā)，在典型的大數(shù)據(jù)業(yè)務(wù)場景下數(shù)據(jù)業(yè)務(wù)最通用的做法是：選用批處理的技術(shù)處理全量數(shù)據(jù)，采用流式計(jì)算處理實(shí)時(shí)增量數(shù)據(jù)。2017年基于Flink開發(fā)的實(shí)時(shí)計(jì)算產(chǎn)品正式服務(wù)于阿里巴巴集團(tuán)內(nèi)部，并從搜索和推薦兩大場景開始應(yīng)用。目前阿里巴巴及下屬所有子公司，都采用實(shí)時(shí)計(jì)算產(chǎn)品來處理所有的實(shí)時(shí)業(yè)務(wù)。

Ververica 是如何誕生的？

眾所周知，Apache Flink是業(yè)界非常流行的流計(jì)算引擎，最早誕生于歐洲，是柏林大學(xué)的研究型項(xiàng)目。后來由項(xiàng)目的發(fā)起人創(chuàng)辦了DataArtisans公司并根據(jù)該研究項(xiàng)目孵化出 Flink，并于2014年將 Flink 捐贈給 Apache基金會。

同年，阿里巴巴開始關(guān)注Flink。由于搜索有很多業(yè)務(wù)場景非常依賴大數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)處理，而Flink在架構(gòu)設(shè)計(jì)上，作為全流式的執(zhí)行引擎，數(shù)據(jù)處理效率非常高。于是阿里巴巴內(nèi)部開始著手研究Flink，并看好Flink將會成為新一代計(jì)算引擎，加速大數(shù)據(jù)計(jì)算的未來發(fā)展。

經(jīng)過一年努力，阿里內(nèi)部對Flink的開源版本做了很多深度優(yōu)化與改進(jìn)，使其能夠適應(yīng)阿里巴巴超大規(guī)模的業(yè)務(wù)場景，包括搜索、推薦等核心的業(yè)務(wù)場景。2016年，第一次將Flink推到雙11場景使用，構(gòu)建了搜索、推薦的全實(shí)時(shí)鏈路（包括在線學(xué)習(xí)、模型預(yù)測等），形成了一套完整的閉環(huán)。2017年，阿里巴巴全線上線了基于Flink實(shí)時(shí)計(jì)算產(chǎn)品，服務(wù)于阿里巴巴的搜索、推薦等核心場景以及廣告、數(shù)據(jù)和所有部門的實(shí)時(shí)在線業(yè)務(wù)，比如：阿里巴巴雙11全天各種多維的數(shù)據(jù)統(tǒng)計(jì)，交易額大屏幕的全球直播等全部都是由基于Flink的實(shí)時(shí)計(jì)算產(chǎn)品來支持。

在此基礎(chǔ)之上，2018年，我們首次在阿里云公有云推出基于Flink的實(shí)時(shí)計(jì)算服務(wù)，開始支持各行各業(yè)的企業(yè)客戶。阿里巴巴對Flink的認(rèn)可度在逐漸增加，F(xiàn)link也證明了在實(shí)時(shí)計(jì)算的業(yè)務(wù)中的巨大潛力。自此，阿里巴巴加大了對Flink的投入并加速推進(jìn)Flink社區(qū)的發(fā)展。2019年1月，阿里巴巴收購了DataArtisans并創(chuàng)建了新企業(yè)品牌Ververica，以上即為Flink的企業(yè)品牌Ververica的由來。

在開源這塊，相信大家都非常了解每個(gè)大的開源項(xiàng)目背后都有一個(gè)企業(yè)品牌，隨著整合的逐步完善，德國的Flink創(chuàng)始團(tuán)隊(duì)與中國阿里巴巴的實(shí)時(shí)計(jì)算團(tuán)隊(duì)也開始密切合作。與此同時(shí)，我們也在持續(xù)推動(dòng)Flink社區(qū)的發(fā)展。1月初，阿里巴巴將內(nèi)部維護(hù)的Flink分支Blink貢獻(xiàn)給整個(gè)Flink開源社區(qū)，目前阿里巴巴對Flink社區(qū)貢獻(xiàn)的代碼已超過100萬行。并且，兩個(gè)團(tuán)隊(duì)密切配合在商業(yè)化上進(jìn)行聯(lián)合作戰(zhàn)，推出全新的Flink企業(yè)版——Ververica Platform。

Ververica Platform的技術(shù)架構(gòu)如何，能夠解決哪些應(yīng)用場景，下面將詳細(xì)講解。

Ververica Platform 介紹

Ververica Platform是阿里巴巴推出的全新企業(yè)版，它仍然堅(jiān)持以Apache Flink 的社區(qū)版本為內(nèi)核，同時(shí)能夠兼容各種企業(yè)級插件，在整個(gè)基于Flink的實(shí)時(shí)計(jì)算解決方案上對應(yīng)用性、穩(wěn)定性、性能、可運(yùn)維性等方面提供企業(yè)級的增值服務(wù)。

首先，Ververica Platform是一個(gè)企業(yè)級的開放軟件，支持客戶將其部署在生產(chǎn)環(huán)境中，對接已有的周邊生態(tài)系統(tǒng)如日志、Metrics、存儲等。最初在設(shè)計(jì)Ververica Platform時(shí)就將其定位為完全云原生的方案，系統(tǒng)組件和核心組件都以支持微服務(wù)方式部署到Kubernetes上，用戶可以非常方便的將Ververica Platform和自己的在線服務(wù)或其他數(shù)據(jù)服務(wù)做云原生的混布。

Ververica Platform 計(jì)算引擎

Ververica Platform使用Apache Flink作為其核心的計(jì)算引擎，保證和社區(qū)的完全兼容。上圖為Apache Flink最新演進(jìn)的架構(gòu)圖。Apache Flink的本質(zhì)是一款有狀態(tài)的流式計(jì)算引擎，可以連接各種各樣的存儲，通過ETL計(jì)算、數(shù)據(jù)分析等將數(shù)據(jù)結(jié)果導(dǎo)入到另外的存儲中。作為流式計(jì)算，F(xiàn)link的時(shí)效性非常好，可以在高吞吐量的同時(shí)達(dá)到亞秒級延時(shí)。Flink不僅能夠連接消息隊(duì)列等無限數(shù)據(jù)流的數(shù)據(jù)源，也可以連接文件系統(tǒng)、數(shù)據(jù)庫表、KV存儲等有限的數(shù)據(jù)集，所以Flink也在基于流式計(jì)算的優(yōu)勢上逐漸朝著批流融合的方向發(fā)展，有希望成為一種新的批流合一的全能計(jì)算引擎。

所以Ververica Platform將會依賴社區(qū)的力量，采用Flink社區(qū)的主流版本作為內(nèi)核，所有的增值服務(wù)、各種優(yōu)化都會通過嵌入的方式來實(shí)現(xiàn)，為用戶提供一個(gè)開放透明的計(jì)算引擎。以下將詳細(xì)介紹Ververica Platform的核心插件。

Ververica Platform – App Manager

Ververica Platform在應(yīng)用上的企業(yè)級插件叫APP Manager，是管理Flink全生命周期的工具。Flink作為計(jì)算引擎，在易用性方面可以采用多種優(yōu)化來幫助用戶更高效地使用Flink系統(tǒng)。比如，整個(gè)Job生命周期的管理，從Job的開發(fā)、配置，到提交上線、停止重啟等基本的運(yùn)維功能可以通過APP Manager封裝出一套完整的工具鏈來完成，同時(shí)提供包括日志的采集收集、運(yùn)行Metrics的收集展現(xiàn)等功能，方便用戶對任務(wù)進(jìn)行debug。此外，企業(yè)級安全也是非常重要的feature，尤其是企業(yè)應(yīng)用時(shí)存在多租戶部署的需求，因此APP Manager也提供了Rollbase權(quán)限管理、OpenID授權(quán)系統(tǒng)。同時(shí)，我們非常注重開放性和被集成的能力，所以APP Manager還提供了完善的API，使用戶能非常方便的將Ververica Platform企業(yè)級軟件集成到自己已有的大數(shù)據(jù)平臺之中。

Ververica Platform – Libra Service

Libra Service是提供智能運(yùn)維能力的企業(yè)級插件。大數(shù)據(jù)的系統(tǒng)運(yùn)行中運(yùn)維是其中的重要部分，尤其是規(guī)模擴(kuò)大的場景中。常規(guī)情況下運(yùn)行Flink Job，基本上是開發(fā)人員寫完代碼后要配各種各樣的參數(shù)，對于Flink的運(yùn)維人員來講，需要知道這個(gè)Job是干什么的、支持什么樣的業(yè)務(wù)、峰值是什么情況、大概的數(shù)據(jù)規(guī)模是什么樣子，根據(jù)自己的經(jīng)驗(yàn)進(jìn)行調(diào)整，并且經(jīng)過多次迭代后才能夠?qū)⒁粋€(gè)任務(wù)調(diào)好。在任務(wù)較少的情況下，還可以通過運(yùn)維人員人肉維護(hù)，但如果出現(xiàn)上千個(gè)Job，甚至阿里巴巴內(nèi)部上萬個(gè)Flink Job的場景，這是Flink社區(qū)版本無法幫助解決的，所以Ververica Platform提供了一套智能運(yùn)維插件，類似于AI Ops，智能運(yùn)維插件能夠幫助用戶推算出一個(gè)Job需要多少個(gè)TMs，每個(gè)TM需要配置多少個(gè)Slots，每個(gè)TM的JVM參數(shù)如何配置以及一個(gè)Job的并發(fā)度如何配置等。

上圖為Libra Service的基本設(shè)計(jì)思路，這是一個(gè)非常經(jīng)典的智能AI Ops設(shè)計(jì)方案，可以看到用戶正常通過APP Manager會提交一個(gè)Job，Job在Kubernetes集群啟動(dòng)之后，Libra Service會監(jiān)控所有在Kubernetes集群上面運(yùn)行的Flink Job，實(shí)時(shí)采集所有的Metrics，包括Task的Metrics是否延遲、吞吐、buffer等運(yùn)行信息，Job Manager和Task Manager的GC情況，JVM各種運(yùn)行的數(shù)據(jù)指標(biāo)等等。相當(dāng)于自動(dòng)采集作業(yè)的各種指標(biāo)特征，利用算法推算出現(xiàn)在的Job運(yùn)行是否健康。比如部分Job在持續(xù)地延遲運(yùn)行或利用了大量資源但其實(shí)是在空跑等不健康狀態(tài)，當(dāng)Job處于不健康狀態(tài)時(shí)，通過算法推算出合理的計(jì)劃，比如延遲了要擴(kuò)容，浪費(fèi)資源可能要縮容，然后通知App Manager去修改整個(gè)Job的配置，讓Job重啟適應(yīng)新的配置來達(dá)到穩(wěn)定高效節(jié)省資源的效果，這就是彈性擴(kuò)縮容插件Libra Service，是智能運(yùn)維的AI Ops。

Ververica Platform – Stream Ledger

Flink提供了非常完整的一致性語義，也支持強(qiáng)一致性的語義，保證數(shù)據(jù)一條不丟、一條不少，這個(gè)是可以支持計(jì)費(fèi)等金融級非常苛刻的條件，但有一個(gè)約束即整個(gè)正確性只能夠保證單條的記錄，比如2個(gè)賬戶要轉(zhuǎn)賬就保證不了，因?yàn)橹荒軌虮ＷC對A的操作絕對正確，對B的操作絕對正確，但是對A的10塊錢轉(zhuǎn)給B，這個(gè)完整的事務(wù)原生的Flink是沒有辦法保證的。

因此Ververica Platform提供了一套分布式的跨行跨機(jī)器事務(wù)解決方案。Stream Ledger是基于Flink Datastream API生態(tài)的Library，可以實(shí)現(xiàn)高性能的跨行分布式事務(wù)處理能力，這套Library完全基于Flink內(nèi)部API，沒有任何外部依賴，可以與Datastream API和SQL無縫集成，能夠兼容Flink已有的所有讀寫Connectors，所以Steam Ledger是一個(gè)輕量的分布式事務(wù)處理方案，也是為金融級場景提供的分布式事務(wù)處理能力的解決方案。

Ververica Platform – Gemini

最后一個(gè)插件是狀態(tài)存儲插件。在流式計(jì)算中，F(xiàn)link天然支持內(nèi)置狀態(tài)存儲管理，不需要依賴外部的存儲就可以把實(shí)時(shí)的數(shù)據(jù)統(tǒng)計(jì)等工作完成。正常做報(bào)表統(tǒng)計(jì)時(shí)都有count、sum、average等參數(shù)，這些計(jì)數(shù)器就是狀態(tài)數(shù)據(jù)，隨著計(jì)算量的增加，狀態(tài)數(shù)據(jù)可能會越來越大以至于內(nèi)存可能無法承擔(dān)，所以需要一套內(nèi)置的狀態(tài)存儲來存儲這些狀態(tài)。大家都知道在計(jì)算系統(tǒng)中，一旦有存儲IO訪問，性能瓶頸則很有可能是在存儲IO上，所以需要優(yōu)化狀態(tài)存儲的訪問。

Flink內(nèi)置了兩種狀態(tài)存儲，一種是基于Java Heap的State Backend狀態(tài)存儲插件，另一種是基于RocksDB的狀態(tài)存儲插件?；贘ava Heap的性能非常好，因?yàn)槭峭耆贘VM內(nèi)存的，并且沒有序列化反序列化。但它的局限在于Java的方案內(nèi)存容量會是瓶頸，因?yàn)镴ava對內(nèi)存的利用率非常低，不如序列化高。經(jīng)過測試，在物理數(shù)據(jù)超過幾百兆之后，內(nèi)存的使用率超過幾個(gè)G就不能夠擴(kuò)大數(shù)據(jù)量了，所以系統(tǒng)非常不穩(wěn)定。業(yè)界很多公司都是在用RocksDB來做，這是非常優(yōu)秀的開源KV存儲，但因?yàn)槭腔贑++寫的，所以和Flink的集成上還有很多不方便的地方，同時(shí)RocksDB也不是為Flink設(shè)計(jì)的，所以Flink在很多狀態(tài)的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)上沒有辦法進(jìn)行優(yōu)化。我們希望針對Flink的狀態(tài)存儲來做一套自己的存儲插件，可以提供更強(qiáng)大的功能，同時(shí)也兼容社區(qū)的協(xié)議，所以Gemini應(yīng)運(yùn)而生。Gemini是完全存儲計(jì)算分離的設(shè)計(jì)，它和RocksDB有很大的不同，同時(shí)它也可以利用本地SSD做二級緩存來加速訪問，尤其是在Flink出現(xiàn)故障，一個(gè)Task失敗，重新拉起一個(gè)進(jìn)程時(shí)，它可以遠(yuǎn)程的從HDFS上直接拉起狀態(tài)，下載時(shí)間會大幅降低，提升了整個(gè)Flink SLB體驗(yàn)，包括它在設(shè)計(jì)的時(shí)候采用了Java，和Flink系統(tǒng)間的整合也會更好。

這是整個(gè)Ververica Platform Gemini Store和RocksDB的Benchmark的性能數(shù)據(jù)，我們可以看到Flink在常用的KV state、List state、Map state等性能上都有非常明顯的提升，具體的數(shù)據(jù)大家可以自行查看。這個(gè)項(xiàng)目也是我們在整個(gè)Ververica Platform做性能優(yōu)化中效果最明顯的插件。

阿里巴巴實(shí)時(shí)計(jì)算云原生版本

Ververica Platform是企業(yè)級的引擎軟件，能夠部署到任何環(huán)境中，天然可以跑在Kubernetes上，所以為了方便提供實(shí)時(shí)計(jì)算的云計(jì)算服務(wù)，讓阿里云的客戶都能夠方便的使用，我們已經(jīng)把它適配到阿里云的云環(huán)境之中，和阿里云的系統(tǒng)實(shí)現(xiàn)了無縫的集成。將Flink的log放到阿里云的SLS上，可以利用SLS的log技術(shù)查詢搜索Flink的log，所以我們將Flink Metrics對接到Prometheus生態(tài)中。我們也將Flink Checkpoint存儲的狀態(tài)數(shù)據(jù)對接到阿里云的OSS上，讓已有的用戶能夠復(fù)用OSS系統(tǒng)。更重要的一點(diǎn)是整個(gè)阿里系統(tǒng)都是云原生的，Ververica Platform也完全運(yùn)行在阿里云的容器服務(wù)平臺之上，因此云原生也是Ververica Platform的特點(diǎn)之一。如果用戶已經(jīng)有自己的云原生集群或容器服務(wù)，可以嘗試半托管模式，用戶將提供集群給我們，我們就可以把整個(gè)軟件部署到用戶的集群上，包括已經(jīng)存在的集群或新購買的集群，這種半托管方式能夠給用戶提供到此種服務(wù)，當(dāng)然我們也會提供全托管模式，選擇上比較靈活，這就是目前已經(jīng)在公測的Ververica Platform云原生企業(yè)版。

Ververica Platform產(chǎn)品能夠應(yīng)用于哪些場景，幫助用戶解決哪些問題想必是大家非常關(guān)心的，以下將詳述。

應(yīng)用場景1 - 實(shí)時(shí)數(shù)倉

第一個(gè)場景是實(shí)時(shí)數(shù)倉，這也是在阿里巴巴內(nèi)部用得最多的場景，在云上抽象為如圖的模型，用戶的數(shù)據(jù)來自于兩處甚至是三處，第一部分來自于ECS日志，第二部分來自于RDS結(jié)構(gòu)化數(shù)據(jù)，第三部分來自于IOT的設(shè)備。通過阿里云的SLS服務(wù)或者DataHub數(shù)據(jù)收集通道來收集用戶數(shù)據(jù)，實(shí)時(shí)計(jì)算的產(chǎn)品可以實(shí)時(shí)訂閱到上述數(shù)據(jù)，用Flink SQL對以上數(shù)據(jù)進(jìn)行多維數(shù)據(jù)分析，產(chǎn)生實(shí)時(shí)的數(shù)據(jù)報(bào)表。這個(gè)過程中，除了有單流的數(shù)據(jù)處理還有多流數(shù)據(jù)的join，還可能和HBase、Redis、MySQL等數(shù)據(jù)庫的數(shù)據(jù)有結(jié)合，其中可以運(yùn)行復(fù)雜的SQL做經(jīng)典數(shù)倉的處理，把數(shù)倉處理的結(jié)果實(shí)時(shí)寫到在線的數(shù)據(jù)庫比如HBase中，都是比較常用的用法。然后通過在線的數(shù)據(jù)服務(wù)在大屏幕中展現(xiàn)，這個(gè)場景在淘寶內(nèi)部是非常經(jīng)典的場景，雙11的時(shí)候可以看到大屏幕上有各種數(shù)據(jù)的成交、統(tǒng)計(jì)、分布、排名等，最典型的就是GMA交易數(shù)據(jù)，比如今年1000多億，明年2000多億等等，數(shù)字是實(shí)時(shí)滾動(dòng)、全球直播的，也是通過這套Flink的架構(gòu)來實(shí)現(xiàn)的?，F(xiàn)在對于云上的很多客戶而言，實(shí)時(shí)數(shù)倉也是一個(gè)很大的應(yīng)用場景。

應(yīng)用場景2 - 實(shí)時(shí)風(fēng)控

第二個(gè)實(shí)時(shí)場景就是實(shí)時(shí)監(jiān)控、異常數(shù)據(jù)的報(bào)警等等。這也是現(xiàn)在非常主流的場景之一，其實(shí)數(shù)據(jù)源和實(shí)時(shí)數(shù)倉很像，基本上還是基于ECS的日志數(shù)據(jù)或數(shù)據(jù)庫中的增量數(shù)據(jù)表的更新數(shù)據(jù)、IOT的數(shù)據(jù)等，工業(yè)會產(chǎn)生大量的數(shù)據(jù)，需要監(jiān)測設(shè)備數(shù)據(jù)的異常。與實(shí)時(shí)數(shù)倉不同之處在于實(shí)時(shí)風(fēng)控并不是采用SQL來做統(tǒng)計(jì)和分析，基本上會采用復(fù)雜時(shí)間處理，比如Flink CEP或業(yè)務(wù)方自己定制的風(fēng)控庫來對實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測，這個(gè)監(jiān)測可能基于業(yè)務(wù)的規(guī)則，也可能基于Bigdata on AI的方案。新的研究方向是在異常監(jiān)測或者風(fēng)控領(lǐng)域基于模型監(jiān)控，離線或?qū)崟r(shí)訓(xùn)練并在線加載這些模型進(jìn)行實(shí)時(shí)檢測，能夠?qū)崟r(shí)發(fā)現(xiàn)異常的事件，及時(shí)進(jìn)行補(bǔ)救。通過Kafka集群到在線的報(bào)警系統(tǒng)來對接各種業(yè)務(wù)系統(tǒng)去報(bào)警，這也是能夠秒級實(shí)時(shí)監(jiān)測各種異常事件做風(fēng)險(xiǎn)控制的方式之一，在整個(gè)安防場景、金融場景都是非常常見的解決方案。

應(yīng)用場景3 - 在線機(jī)器學(xué)習(xí)

第三個(gè)場景是成長最快的在線機(jī)器學(xué)習(xí)。在線機(jī)器學(xué)習(xí)是阿里多年的研究方向之一，也是Flink首先應(yīng)用在阿里巴巴搜索事業(yè)部搜索推薦業(yè)務(wù)部場景的原因。在線機(jī)器學(xué)習(xí)是搜索推薦廣告中非?；鸬姆较颍瑱C(jī)器學(xué)習(xí)不僅是離線數(shù)據(jù)模型來做訓(xùn)練，甚至能夠形成一個(gè)完全的實(shí)時(shí)化閉環(huán)方案，通過用戶在天貓、淘寶上產(chǎn)生的大量的點(diǎn)擊、交易，相關(guān)數(shù)據(jù)都會通過日志系統(tǒng)實(shí)時(shí)收集，之后傳入實(shí)時(shí)計(jì)算中計(jì)算，我們稱之為特征工程。對用戶的數(shù)據(jù)如用戶的訂單等做數(shù)據(jù)清洗，數(shù)據(jù)特征的彌補(bǔ)、計(jì)算，甚至和離線特征做一些結(jié)合。部分?jǐn)?shù)據(jù)，如30天銷量、用戶年齡等數(shù)據(jù)并非實(shí)時(shí)變化，是需要長時(shí)間的統(tǒng)計(jì)得到，我們把實(shí)時(shí)特征、離線特征全部都做了拼接之后就是多維數(shù)據(jù)的join，最終能夠得出實(shí)時(shí)樣本。我們通過流式得到實(shí)時(shí)樣本之后就能夠在后面對接流式來做機(jī)器學(xué)習(xí)的訓(xùn)練，可以通過PAI等類似的機(jī)器學(xué)習(xí)產(chǎn)品來做實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)的模型訓(xùn)練，訓(xùn)練完之后產(chǎn)生的模型有一套完整的驗(yàn)證機(jī)制，驗(yàn)證完整的模型Validation之后才能推上線，再用新模型提供個(gè)性化的搜索和推薦，從而驅(qū)動(dòng)用戶產(chǎn)生新的點(diǎn)擊，再去進(jìn)行模型的更新，進(jìn)而形成一套完整的閉環(huán)。這是Bigdata+AI的一個(gè)典型場景，從數(shù)據(jù)處理、數(shù)據(jù)訓(xùn)練，再到數(shù)據(jù)預(yù)測、用戶點(diǎn)擊形成反饋等，形成完整生產(chǎn)線。這也是Flink做實(shí)時(shí)計(jì)算和在線的流式計(jì)算與在線機(jī)器學(xué)習(xí)的訓(xùn)練形成一套完整閉環(huán)的經(jīng)典方案，這套方案也是淘寶天貓真實(shí)的在線搜索推薦解決方案。

目前我們有很多客戶都在采用這種新的方案來提升他們的點(diǎn)擊，尤其是社交媒體類的公司都在嘗試這個(gè)新的解決方案。

最后，回到社區(qū)，阿里巴巴收購?fù)闐ataArtisans之后成立了新的企業(yè)品牌Ververica，我們希望除了商業(yè)化品牌的統(tǒng)一、提供的增值服務(wù)之外，還希望能夠繼續(xù)擴(kuò)大社區(qū)規(guī)模，服務(wù)好更多社區(qū)的用戶，推動(dòng)社區(qū)繁榮發(fā)展。所以阿里巴巴也投入了很大的精力來支持整個(gè) Flink 社區(qū)的發(fā)展，尤其是在中國，我們已經(jīng)在北京、上海、深圳等連續(xù)辦了非常多的Flnik社區(qū)Meetup，包括去年年底舉辦的首屆Flink Forward China大會，今年將繼續(xù)舉辦第二屆。去年大會的規(guī)模是1000人，今年希望能夠達(dá)到2000人，希望中國比較主流的互聯(lián)網(wǎng)公司都能參與其中，分享他們對Flink應(yīng)用的經(jīng)驗(yàn)，我們也會聯(lián)合Flink創(chuàng)始團(tuán)隊(duì)一起，講Flink的新特性、發(fā)布以及方向上的展示。歡迎更多對Flink有興趣的同學(xué)一起來參與大會，交流探討。

原文鏈接

本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。