博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
阿里、京东、去哪儿等大厂技术专家齐聚北京,Flink China Meetup再度归来!
阅读量:4227 次
发布时间:2019-05-26

本文共 1590 字,大约阅读时间需要 5 分钟。

640?wx_fmt=png

某入行不到半年的 Java 程序员问:程序员,为什么要了解/学习新技术?

1、危机感。你不知道什么时候你所掌握的技术就会被淘汰了,可能 5 年、可能 2 年……

2、提高效率。新技术的出现往往是为了解决现有技术的不足,那么不管它的前景如何,至少是有用的;

3、任何技术,本质都是数据和逻辑,学习新技术,不仅仅眼界、思维的打开,对于程序员而来也是一门辅助修炼的内功。

而这也是我给大家推荐 Flink 的原因。

当越来越多的头部企业都选择 Flink,行业内的岗位和薪资都水涨船高,学习 Flink 一定不是错误的选择!

640?wx_fmt=jpeg

11 月 18 日 13:30-17:30,由 Flink China 主办,【计算之美,何止于快】Flink China Meetup 北京站将在朝阳区 360 大厦 A 座 1 层发布厅举办 !

通过本次 meetup,你可以获悉:

•    Spark 和 Flink 在行为数据分析上的比对

•    Storm 与 Flink 的流处理性能上的比对

•    Flink 在风控场景下的应用

•    Flink on YARN/K8S

深入了解flink,触摸下一代大数据处理引擎魅力

活动流程

13:30-14:00 签到

14:00-14:35 廖嘉逸《基于Flink的实时用户行为分析 》

14:35-15:10 张馨予《Flink实时计算性能分析》

15:10-15:45 徐骁《去哪儿网 Flink 实践与应用》

15:45-16:00 茶歇

16:00-16:35 韩贞阳《京东风控Flink实践之路》

16:35-17:10 任春德(瓦力)《Flink on YARN在阿里巴巴的改进和实践》

17:10-17:30 合影

如何参加?

扫描下方二维码或点击文末“阅读原文”马上报名!

640?wx_fmt=png

名额有限,先报先得!

分享嘉宾

360 的大数据计算平台负责人张馨予,去哪儿网实时计算平台负责人徐骁,阿里巴巴高级技术专家任春德(瓦力),京东风控软件研发工程师韩贞阳,GrowingIO 数据工程师廖嘉逸。

640?wx_fmt=jpeg

张馨予

360 大数据计算平台负责人

北京邮电大学硕士,2015 年加入 360 系统部,一直致力于公司大数据计算平台的易用性、稳定性和性能优化的研发工作。目前主要负责 Flink 的研发,完成公司计算引擎的大一统。

640?wx_fmt=jpeg

徐骁

去哪儿网 实时计算平台负责人 

2016 年加入去哪儿网平台事业部, 主要负责 ELK 系统维护和开发, 实时计算平台的建设, 负责 ES 集群管理工作, 致力于推动 Flink 作为流式处理的首选工具。

640?wx_fmt=jpeg

任春德(瓦力)

阿里巴巴 高级技术专家

2006 年毕业加入阿里集团,长期从事 Hadoop 相关的大数据计算平台研发,目前在计算平台事业部担任高级技术专家,负责 YARN 和 Flink 资源调度的研发。

通过 Flink 与 YARN 的深度对接,为实时计算提供大规模、高效、稳定的运行平台。

640?wx_fmt=jpeg

韩贞阳

京东风控 软件研发工程师

四川大学硕士研究生毕业,2016 年加入京东风控研发部,从事风控系统的研发工作,致力于解决大数据环境下业务安全问题。目前负责风控 Flink 实时计算、模型引擎系统,实现的风险事件识别每天为公司完成巨额止损。

640?wx_fmt=jpeg

廖嘉逸

GrowingIO 数据工程师

Apache Flink Contributor

毕业于北京邮电大学,2017 年加入 GrowingIO 数据平台部门,从事基于 Spark 和 Flink 的海量用户行为数据的计算平台设计和搭建,近期专注于实时计算平台从 Spark Streaming 到 Flink 的迁移。分享的主要内容是 Flink 在 GrowingIO 的实时计算平台中的应用案例与思考。

扫码加入Flink China社区钉钉群

640?wx_fmt=jpeg

640?wx_fmt=jpeg

注:以上排名不分先后

640?wx_fmt=jpeg

640?wx_fmt=jpeg

点击“阅读原文”报名

转载地址:http://dgfqi.baihongyu.com/

你可能感兴趣的文章
自动驾驶汽车GPS系统数字孪生建模(一)
查看>>
自动驾驶汽车GPS系统数字孪生建模(二)
查看>>
CUDA 学习(五)、线程块
查看>>
CUDA 学习(八)、线程块调度
查看>>
CUDA 学习(九)、CUDA 内存
查看>>
CUDA 学习(十一)、共享内存
查看>>
游戏感:虚拟感觉的游戏设计师指南——第十四章 生化尖兵
查看>>
游戏感:虚拟感觉的游戏设计师指南——第十五章 超级马里奥64
查看>>
游戏感:虚拟感觉的游戏设计师指南——第十七章 游戏感的原理
查看>>
游戏感:虚拟感觉的游戏设计师指南——第十八章 我想做的游戏
查看>>
游戏设计的艺术:一本透镜的书——第十章 某些元素是游戏机制
查看>>
游戏设计的艺术:一本透镜的书——第十一章 游戏机制必须平衡
查看>>
UVM:7.5.1 期望值与镜像值
查看>>
UVM:7.5.2 常用操作及其对期望值和镜像值的影响
查看>>
UVM:7.6.1 检查后门访问中hdl 路径的sequence
查看>>
UVM:7.6.2 检查默认值的sequence
查看>>
UVM:7.7.1 使用reg_predictor
查看>>
UVM:7.7.2 使用UVM_PREDICT_DIRECT功能与mirror 操作
查看>>
UVM:7.7.3 寄存器模型的随机化与update
查看>>
UVM:7.7.4 扩展位宽
查看>>