Nền tảng Apache Flink thời gian thực với độ trễ siêu thấp được các phỏng vấn viên của Naver sử dụng
Hầu hết các nhà phát triển khi nói về xử lý dữ liệu vẫn chỉ dừng lại ở Batch và CronJob. Tuy nhiên, trong môi trường dịch vụ thực tế, dữ liệu liên tục được tạo ra, và nếu không thể xử lý ngay luồng dữ liệu đó, hệ thống sẽ dẫn đến các vấn đề về độ trễ, nút thắt cổ chai và tính nhất quán. Bản thân tôi cũng đã nhiều lần trực tiếp đối mặt với các vấn đề về đề xuất theo thời gian thực, đồng bộ hóa trạng thái và độ trễ sự kiện trong môi trường có lưu lượng truy cập lớn, đồng thời không ngừng tự hỏi: “Liệu xử lý việc này bằng batch có thực sự phù hợp không?”. Khóa học này bắt đầu từ chính câu hỏi đó. Thông qua Apache Flink, khóa học trình bày dưới góc nhìn thực tiễn cách thực hiện phép tính ngay tại thời điểm dữ liệu đang luân chuyển, quản lý trạng thái một cách an toàn và tạo ra kết quả chính xác dựa trên Event Time. Đây không chỉ là phần giải thích lý thuyết đơn thuần, mà còn giúp bạn hiểu rõ cách một hệ thống xử lý luồng dữ liệu theo thời gian thực được thiết kế và vận hành thông qua mã nguồn và cấu trúc thực tế. Đối với những ai còn cảm thấy xử lý thời gian thực khá mơ hồ, hoặc tò mò về thế giới phía sau messaging, khóa học này chắc chắn sẽ đưa ra một định hướng rõ ràng.
Tôi đã mở khóa học thứ hai rồi!! Cá nhân tôi rất thích chia sẻ kiến thức nên muốn truyền đạt hết những gì tôi biết cho các bạn.
Nội dung lần này tôi muốn đề cập là về Apache Flink, một chủ đề mà tôi cho rằng các bạn nhất định nên biết.
Nói thật nhé!! Nếu các bạn không có kiến thức về truyền thông thời gian thực thì có thể sẽ khó hiểu nội dung này. (Tất nhiên tôi sẽ giải thích hết và thành thật mà nói tôi nghĩ khóa học này được cấu trúc rất tốt. ㅎㅎ)
Nhưng các bạn nhất định phải học. Tôi dám khẳng định rằng dù khó nhưng các bạn nhất định phải học.
Truyền thông thời gian thực dường như đang trở nên vô cùng quan trọng trong thời đại ngày nay. Tôi nghĩ chúng ta phải cung cấp nhiều nội dung hơn để tạo ra nhiều lưu lượng truy cập hơn và thu thập nhiều dữ liệu hơn.
Thực tế, phần này đã được áp dụng ở nhiều tập đoàn lớn và startup unicorn. Hệ thống gợi ý của Netflix mà các bạn biết, tính toán giá cước thời gian thực của Uber, hay hệ thống gợi ý như Musinsa chẳng hạn.
Hầu hết các nền tảng hoặc dịch vụ mà các bạn sử dụng, tôi chưa thấy trường hợp nào thiếu truyền thông thời gian thực này.
Vì vậy, tôi rất mong nhiều người sẽ học hỏi qua video này. Các bạn thực sự phải học nhé. Vì sự nghiệp của chính các bạn, tôi xin nhờ các bạn điều này ㅎㅎㅎ
5.0
에이미
89% đã tham gia
Tôi nghĩ đây là một trong những khóa học đáng chú ý nhất mà tôi đã xem trên Inflearn..!!
Phần lý thuyết hoàn toàn không thiếu sót và tôi nghĩ có thể học được rất nhiều điều từ code ví dụ cùng với các bài thực hành đi kèm.
Tôi thấy ấn tượng nhất là khi giải thích khái niệm Source, giảng viên đã cố tình không sử dụng kho lưu trữ bên ngoài hay MSQ để triển khai. Nếu đề cập đến phần đó thì có lẽ sẽ hơi lệch khỏi mục tiêu của khóa học.
Thực sự là một khóa học rất hay. Tôi đã học được quá nhiều điều.
5.0
warna
85% đã tham gia
Nhờ xem bài giảng của anh mà gần đây em đã chuyển việc sang Naver Cloud!! Thật sự rất cảm ơn anh ạ.
Anh là người chia sẻ kiến thức mà em yêu thích nhất trên Inflearn và tuy không nổi tiếng lắm nhưng trong thời gian ngắn anh truyền đạt rất nhiều khái niệm và mỗi bài giảng đều thể hiện sự nỗ lực sử dụng thời gian hiệu quả nên em thấy đây là những bài giảng rất tuyệt vời.
Lần này em cũng đăng ký học ngay khi anh mới mở khóa... và quả thật nội dung rất bổ ích ạ. Thật sự là những nội dung có thể học hỏi được rất nhiều.
Bạn sẽ nhận được điều này sau khi học.
Thiết kế xử lý dữ liệu dựa trên luồng thời gian thực thay vì theo lô
Xử lý chính xác cả dữ liệu trễ bằng Event Time·Watermark
Triển khai ứng dụng thời gian thực “có trạng thái” thông qua Stateful Processing
Đường ống xử lý luồng bằng Apache Flink có thể áp dụng ngay vào thực tế công việc
Kiến trúc có thể thiết kế hệ thống đề xuất, tính phí và tổng hợp theo thời gian thực
Phát triển · Lập trình · Kỹ thuật dữ liệu
Nếu bạn vẫn còn phụ thuộc vào xử lý theo lô và cron job
Dữ liệu liên tục đổ vào, nhưng việc xử lý chỉ diễn ra vào những thời điểm đã định. Khi độ trễ tích tụ trong khoảng thời gian đó, nó sẽ trở thành điểm nghẽn và gây ra các vấn đề về tính nhất quán. Apache Flink là một công cụ xử lý luồng dữ liệu ngay khi chúng đến. Khóa học này sẽ giúp bạn nắm vững cấu trúc đó ngay từ đầu.
Từ kiến trúc đến triển khaiCấu trúc cụm · Quản lý trạng thái · Viết ví dụ
Event Time · WatermarkGiải thích trực diện những khái niệm khiến người học thường vướng mắc đầu tiên trong xử lý luồng
2 lập trình viên đang làm việc10 năm tại trụ sở Naver · phát triển máy chủ nền tảng tại Pangyo
Flink là một công cụ xử lý luồng phân tán, xử lý dữ liệu liên tục được truyền vào theo thời gian thực. Nếu batch tập hợp dữ liệu vào thời điểm định sẵn rồi xử lý, thì luồng sẽ được xử lý ngay khi dữ liệu đến.
Nơi khởi đầu của khóa học này
Đã đến Kafka nhưng không có bước tiếp theo.
Xử lý theo lô · Cron job
Gom lại để xử lý sau.
Chạy đồng loạt vào thời điểm đã định. Dữ liệu phát sinh trong khoảng thời gian đó phải chờ. Độ trễ cứ thế tích tụ.
mô hình khác
Luồng поток
Ngay khi đến nơi
Khi một sự kiện đi vào, nó được xử lý ngay tại chỗ. Đây là cách xử lý dữ liệu không có điểm kết thúc.
Nhiều người đi đến bước đưa các sự kiện chạy qua Kafka. Nhưng họ thường mắc kẹt ở bước tổng hợp và duy trì trạng thái trên luồng dữ liệu đó.
Khóa học này tập trung vào chính phần đó.
Nơi khóa học này bắt đầu
Đây là cuộc trò chuyện thực sự đã diễn ra.
Không lâu sau khi kết thúc khóa học NATS, tôi lại nhận được liên lạc. Khóa học này đã bắt đầu từ cuộc trò chuyện đó.
Sau khi kết thúc khóa học về NATS, tôi lại nhận được liên lạc vào kỳ nghỉ lễ.
NNhà phát triển NaverTôi muốn tìm hiểu thêm một chủ đề nữa, anh Hong có bận không?
HHongSao trong kỳ nghỉ lễ lại tìm đến tôi vậy… Có chuyện gì chợt lóe lên trong đầu anh/chị thế?
NLập trình viên NaverSau khi tìm hiểu NATS, tôi muốn tìm hiểu thêm về giao tiếp thời gian thực. Không biết thử tìm hiểu Apache Flink thì thế nào nhỉ?
HHongTôi hoàn toàn ủng hộ việc thử bất cứ điều gì mới, nhưng tôi chưa từng dùng nó.
NNhà phát triển NaverĐược thôi. Tôi sẽ chuẩn bị tất cả tài liệu và mọi thứ. Apache Flink thực sự rất tốt, nhưng hình như mọi người không biết nhiều về nó. Xét về khía cạnh sự nghiệp, việc thu thập dữ liệu theo thời gian thực thực sự rất quan trọng, vậy mà tôi không hiểu tại sao mọi người lại không tìm hiểu về nó.
NNhà phát triển Naverchẳng phải bạn tò mò về những thứ như đề xuất theo thời gian thực hay tính phí theo thời gian thực sao…
HHongTôi lúc nào cũng thích. Hãy cùng chuẩn bị thử một lần nhé. Tôi sẽ hy sinh ngày phép của mình để làm ra nó.
Học được gì
Theo thứ tự: khái niệm · cấu trúc · trạng thái · triển khai
Tại sao là stream Trước tiên, hãy xem xét những hạn chế của các hệ thống truyền thống. Minh họa sự khác biệt về mô hình giữa batch và stream bằng mã ví dụ.
Kiến trúc cụmFlink được phân chia và vận hành như thế nào, các tầng thực thi được cấu thành ra sao
Task Slot và xử lý song songLàm thế nào để đảm bảo thông lượng. Cho đến trao đổi dữ liệu và tối ưu hóa hiệu năng.
Event Time và WatermarkXử lý các sự kiện đến muộn như thế nào. Đây là khái niệm khó nhất trong stream.
API DataStream và Window API thực sự được sử dụng trong thực tế. Đây là phần chiếm tỷ trọng lớn nhất.
Quản lý trạng tháiCách xử lý luồng duy trì trạng thái
Tự triển khaiTrong phần cuối, chúng ta sẽ cùng viết và chạy thử ví dụ.
Được đặt ở đâuại
Flink nằm trên đường đi của dữ liệu
Flink không phải là nơi lưu trữ. Nó nằm ở vị trí nhận dữ liệu từ đâu đó (Source), xử lý rồi đưa dữ liệu trở lại một nơi nào đó (Sink). Đây thường là những hệ thống được kết nối ở phía trước và phía sau.
Apache Flink
Apache Kafka
Apache Pulsar
RabbitMQ
Amazon Kinesis Data Streams
Elasticsearch
Amazon S3
Apache Cassandra
Amazon DynamoDB
Apache Hadoop
Apache NiFi
Nội dung được đề cập trong khóa học này không phải là cách sử dụng từng connector riêng lẻ, mà là bản thân các khái niệm Source và Sink. Bài giảng đầu tiên của phần 4 chính là nơi trình bày nội dung đó; khi đã nắm được khái niệm, dù gắn với hệ thống nào thì cũng có thể đọc hiểu theo cùng một cách.
Chương trình học
Sẽ tìm hiểu những gì và theo thứ tự nào?
Phần đầu sẽ nắm vững các khái niệm và cấu trúc, phần sau sẽ đi qua API và quản lý trạng thái để trực tiếp triển khai.
01
Giới thiệu khóa học và tài liệu
Giới thiệu khóa học
Mã nguồn và Skeleton
Trang Apache Flink
02
Giới thiệu và kiến trúc Apache Flink
Tổng quan và định nghĩa về Apache Flink cùng những hạn chế của các hệ thống truyền thống
Vai trò của Apache Flink với tư cách là một công cụ xử lý luồng phân tán
[Mã ví dụ] Mô hình xử lý luồng vs xử lý theo lô
[Ví dụ mã] Các yếu tố cốt lõi cho giao tiếp thời gian thực của Apache Flink
03
Từ những điều cơ bản đến các khái niệm cốt lõi trong xử lý luồng
Các thành phần cấu hình Cluster và cấu trúc phân cấp thực thi của Apache Flink
Chiến lược đảm bảo thông lượng thông qua Task Slot và xử lý song song của Apache Flink
Trao đổi dữ liệu và tối ưu hóa hiệu năng thông qua Task Slot
[Ví dụ mã] Ngữ nghĩa thời gian và kỹ thuật Watermark trong Flink
04
Data Stream API và Window để áp dụng trong thực tế công việc
[Mã ví dụ] Các toán tử Stream được sử dụng thường xuyên và cơ bản nhất [ Sink và Source ]
[Ví dụ mã] Các toán tử Stream cơ bản và được sử dụng thường xuyên nhất [ Transformations, Aggregation, Combination ]
[Ví dụ mã] Các toán tử nâng cao để ứng phó với mọi tình huống [ Process, KeyedProcess, CoProcess, ProcessWindow ]
[Mã ví dụ] Các toán tử nâng cao để ứng phó với mọi tình huống [ Side Output, CEP ]
[Mã ví dụ] Các loại Window được sử dụng nhiều nhất trong thực tế để lưu trữ trạng thái [ Tumbling, Sliding ]
[Mã ví dụ] Các loại Window được sử dụng phổ biến nhất trong thực tế để lưu trữ trạng thái [ Session, Global ]
[Ví dụ code] Window Function [ Process With Aggregate ]
05
Quản lý trạng thái (State Management)
[Mã ví dụ] Các đối tượng trạng thái phức tạp của Flink mà ai cũng chắc chắn hiểu được
Đánh đổi về hiệu năng lưu trữ và truy cập thông qua State Backend
Queryable State hỗ trợ truy vấn trạng thái bên ngoài
06
Cùng viết và chạy thử Example
Xây dựng môi trường nhẹ bằng Docker Compose Deep Dive
[Thực hành] Hướng dẫn ví dụ WordCount
[Thực hành] Hướng dẫn ví dụ về Windowing
[Thực hành] State Management Example Guide
[Thực hành] Hướng dẫn ví dụ về Checkpoint
[Thực hành] Hướng dẫn ví dụ về Event Time và Processing Time
Dành cho những người như thế này
Khóa học này dành cho ai?
Lập trình viên backend cảm thấy những hạn chế của xử lý theo lô và cronjob
Những nhà phát triển đã sử dụng Kafka nhưng không biết bước tiếp theo là gì
Những người muốn hiểu cấu trúc của hệ thống đề xuất, tính phí và tổng hợp dữ liệu theo thời gian thực
Người mới bắt đầu với stream cảm thấy khó hiểu khái niệm Event Time và State
Nhà phát triển cấp trung và cấp cao muốn tạo sự khác biệt trong sự nghiệp bằng xử lý dữ liệu thời gian thực
Thị trường hiện nay
Câu chuyện AI sẽ thay thế các nhà phát triển
Tuyển dụng nhân sự mới giảm, các doanh nghiệp chỉ muốn tuyển những người đã được kiểm chứng. Đây là những bài báo xuất hiện trong vài tháng gần đây.
Krafton, công ty đạt kết quả kinh doanh cao nhất từ trước đến nay, đã bắt đầu cắt giảm nhân sự. Lý do là công ty tuyên bố sẽ chuyển đổi thành doanh nghiệp “AI First”.
Các công ty chuyên về phần mềm đang ngừng tuyển dụng lập trình viên mới. Cũng có dự báo rằng việc tuyển dụng lập trình viên cấp thấp sẽ giảm mạnh 77%.
53% nhà thiết kế game trả lời rằng "AI sẽ thay thế công việc của tôi". Cũng đã có những trường hợp được khuyến nghị nghỉ việc.
Doanh nghiệp càng bất an, những người được tuyển càng phải thể hiện sự khác biệt rõ ràng hơn. Suy cho cùng, việc học là do bản thân tự thực hiện, nhưng độ sâu có thể giải thích sau khi dành cùng một khoảng thời gian sẽ khác nhau tùy thuộc vào việc bạn nhìn nhận điều gì dưới góc độ nào. Khóa học này được tạo ra để truyền đạt góc nhìn đó.
Đánh giá khóa học
Câu chuyện của những người đã học trước彩票计划
Tôi đã chép nguyên văn từ phần đánh giá khóa học trên Inflearn.
"Tôi cho rằng đây là một trong những khóa học đáng nhớ nhất trong số các khóa học tôi từng xem trên Inflearn. Phần lý thuyết hoàn toàn không thiếu sót, đồng thời tôi cũng nghĩ rằng có thể học được rất nhiều điều một cách tổng thể, từ các đoạn mã ví dụ cho đến phần thực hành tương ứng. Khi giảng viên giới thiệu khái niệm Source, việc triển khai mà không sử dụng kho lưu trữ bên ngoài hay hàng đợi tin nhắn khiến tôi ấn tượng hơn cả."
에이미 · Viết sau khi hoàn thành 89% khóa học
"Thầy Gongyuja, trong thời gian xem bài giảng của thầy, gần đây tôi đã chuyển việc sang Naver Cloud. Tôi thực sự vô cùng biết ơn thầy. Dù không nổi tiếng, nhưng thầy truyền đạt rất nhiều khái niệm trong thời gian ngắn và luôn nỗ lực sử dụng thời gian hiệu quả; điều đó thể hiện rõ trong từng bài giảng, nên tôi nghĩ đây thực sự là một khóa học rất hay."
warna · Viết sau khi hoàn thành 85% khóa học
Giảng viên
Được hai nhà phát triển đang làm việc cùng nhau xây dựng
Khóa học được cùng xây dựng bởi Ande, lập trình viên backend 10 năm kinh nghiệm tại trụ sở NAVER, và Hong, lập trình viên phát triển máy chủ nền tảng tại Pangyo.
NAVER · KỸ SƯ BACKEND · 10 NĂM KINH NGHIỆM
Ande
Tôi là kỹ sư backend có 10 năm kinh nghiệm, hiện đang phát triển máy chủ tại trụ sở chính của NAVER. Cấu trúc và tiêu chí ra quyết định được đề cập trong khóa học phần lớn là những điều tôi đã trực tiếp trải nghiệm và đúc kết trong thực tế. Hãy thoải mái để lại câu hỏi.
"Có những lúc việc cố cầm cự bằng batch sẽ chạm đến giới hạn. Khi đó, bạn cần thay đổi cấu trúc."
Hiện là nhà phát triển máy chủ tại Naver (trụ sở chính) · Cựu nhà phát triển backend tại Tập đoàn Shinsegae · Cựu nhà phát triển máy chủ tại một startup trong lĩnh vực chăm sóc sức khỏe ·
Chuyên ngành Khoa học máy tính
Xử lý dữ liệu theo thời gian thựcLưu lượng truy cập lớnKiến trúc backendĐường ống stream
Người chia sẻ kiến thức · Phát triển máy chủ nền tảng tại Pangyo
Hong
Tôi đang phụ trách phát triển máy chủ nền tảng tại Pangyo. Tôi tiếp tục hoạt động với tư cách người chia sẻ kiến thức vì muốn chia sẻ những phương pháp tự học cũng như các vấn đề và cách giải quyết gặp phải trong thực tế. Các bài giảng được xây dựng cùng nhiều lập trình viên đang làm việc trong ngành, chứ không phải một mình.
"Nói là thời gian thực thì nghe thật ấn tượng, nhưng khi bắt tay vào viết, trước hết thời gian đã là một vấn đề khó. Chúng ta bắt đầu từ đó."
Phát triển máy chủ nền tảngĐường ống dữ liệuNhiều khóa học backend
Các câu hỏi thường gặp
Các câu hỏi thường gặp về khóa học Apache Flink
Q. Tôi chưa từng làm quen với xử lý luồng thì có học được không?
⌄
Độ khó được thiết lập ở mức nhập môn. Ở phần 2, chúng ta bắt đầu từ những hạn chế của các hệ thống truyền thống, minh họa sự khác biệt giữa xử lý theo lô và xử lý luồng bằng mã ví dụ, sau đó đi vào cấu trúc của Flink. Nội dung được xây dựng với giả định rằng bạn mới lần đầu nghe đến khái niệm luồng.
Q.Có cần biết Kafka không?
⌄
Không bắt buộc. Tuy nhiên, nếu đã từng trải nghiệm việc truyền sự kiện bằng Kafka, bạn sẽ nhanh chóng nắm bắt được “bước tiếp theo” là gì. Đó cũng là lý do “những nhà phát triển chưa biết các bước sau Kafka” nằm trong nhóm đối tượng được khuyến nghị.
Q.Tại sao Event Time và Watermark lại khó?
⌄
Vì thời điểm sự kiện xảy ra và thời điểm sự kiện đến hệ thống là khác nhau. Khi mạng bị tắc nghẽn, sự việc xảy ra trước lại đến sau. Công cụ xử lý sự sai lệch đó là Watermark, nhưng nếu không hiểu về nó thì sẽ không thể giải thích tại sao kết quả tổng hợp lại bất thường. Nội dung này được trình bày cùng với mã ví dụ trong Phần 3.
Q.Bạn có trực tiếp viết mã không?
⌄
Toàn bộ phần cuối chính là nơi thực hành. Bạn sẽ tạo môi trường nhẹ bằng Docker Compose, rồi lần lượt viết và chạy các ví dụ về WordCount, Windowing, State Management, Checkpoint, cũng như so sánh Event Time và Processing Time. Mã nguồn và skeleton đã có sẵn trong tài liệu ở phần 1, bạn chỉ cần tải về và bắt đầu.
Q.Đây là công nghệ được sử dụng ở đâu?
⌄
Đó là những nơi cần phản ánh ngay lập tức khi dữ liệu được đưa vào, chẳng hạn như đề xuất theo thời gian thực, tính phí và tổng hợp. Tức là những công việc mà nếu gom dữ liệu lại rồi chạy vào thời điểm đã định, độ trễ trong khoảng thời gian đó sẽ hiển thị nguyên vẹn cho người dùng.
Hãy cùng nhau trò chuyện trao đổi nhé
Cộng đồng trò chuyện mở dành cho lập trình viên
Nếu tự mình mắc kẹt, bạn sẽ mất rất nhiều thời gian. Có một không gian riêng để thoải mái trao đổi về những phần chưa hiểu khi học khóa học, các câu hỏi phát sinh khi áp dụng vào dịch vụ của mình, cũng như những câu chuyện về sự nghiệp và công việc thực tế.
OPEN CHAT · Cộng đồng nhà phát triển
Chúng ta chia sẻ những gì?
Chúng ta cùng chia sẻ những vấn đề thực tế gặp phải trong công việc, cách những người khác lựa chọn cấu trúc, cũng như những câu chuyện về sự nghiệp của các nhà phát triển. Hoan nghênh cả những câu hỏi liên quan đến khóa học.
"Những chỗ khiến bạn bế tắc thường cũng là chỗ người khác từng bế tắc. Hỏi người đã đi trước là cách nhanh nhất."
Câu hỏi về khóa họcVí dụ áp dụng vào thực tếCâu chuyện nghề nghiệp
Tôi bắt đầu học lập trình sau một thời gian dài lười biếng ở nhà và cảm thấy hứng thú với nó, hiện tại tôi đang đảm nhận việc phát triển máy chủ nền tảng (platform server) tại Pangyo. Tôi tiếp tục hoạt động với tư cách là người chia sẻ kiến thức vì muốn cung cấp cho các bạn phương pháp tôi đã học cũng như những vấn đề và giải pháp khác nhau mà các bạn có thể gặp phải trong thực tế.
Bài giảng không chỉ được tạo ra từ kiến thức của riêng tôi. Mọi bài giảng đều có sự đồng hành của những người cộng sự.
Tôi nghĩ đây là một trong những khóa học đáng chú ý nhất mà tôi đã xem trên Inflearn..!!
Phần lý thuyết hoàn toàn không thiếu sót và tôi nghĩ có thể học được rất nhiều điều từ code ví dụ cùng với các bài thực hành đi kèm.
Tôi thấy ấn tượng nhất là khi giải thích khái niệm Source, giảng viên đã cố tình không sử dụng kho lưu trữ bên ngoài hay MSQ để triển khai. Nếu đề cập đến phần đó thì có lẽ sẽ hơi lệch khỏi mục tiêu của khóa học.
Thực sự là một khóa học rất hay. Tôi đã học được quá nhiều điều.
Xin chào Amy!! Cảm ơn bạn đã để lại đánh giá như vậy. Được nói là một trong những khóa học đáng kể nhất ㅠㅠ thật sự là đánh giá rất tiếp thêm động lực.
Tôi sẽ chuẩn bị khóa học tiếp theo với nội dung bổ ích hơn và có thể giúp ích cho Amy. Chúc bạn có một ngày tốt lành!
Tôi đã mở khóa học thứ hai rồi!! Cá nhân tôi rất thích chia sẻ kiến thức nên muốn truyền đạt hết những gì tôi biết cho các bạn.
Nội dung lần này tôi muốn đề cập là về Apache Flink, một chủ đề mà tôi cho rằng các bạn nhất định nên biết.
Nói thật nhé!! Nếu các bạn không có kiến thức về truyền thông thời gian thực thì có thể sẽ khó hiểu nội dung này. (Tất nhiên tôi sẽ giải thích hết và thành thật mà nói tôi nghĩ khóa học này được cấu trúc rất tốt. ㅎㅎ)
Nhưng các bạn nhất định phải học. Tôi dám khẳng định rằng dù khó nhưng các bạn nhất định phải học.
Truyền thông thời gian thực dường như đang trở nên vô cùng quan trọng trong thời đại ngày nay. Tôi nghĩ chúng ta phải cung cấp nhiều nội dung hơn để tạo ra nhiều lưu lượng truy cập hơn và thu thập nhiều dữ liệu hơn.
Thực tế, phần này đã được áp dụng ở nhiều tập đoàn lớn và startup unicorn. Hệ thống gợi ý của Netflix mà các bạn biết, tính toán giá cước thời gian thực của Uber, hay hệ thống gợi ý như Musinsa chẳng hạn.
Hầu hết các nền tảng hoặc dịch vụ mà các bạn sử dụng, tôi chưa thấy trường hợp nào thiếu truyền thông thời gian thực này.
Vì vậy, tôi rất mong nhiều người sẽ học hỏi qua video này. Các bạn thực sự phải học nhé. Vì sự nghiệp của chính các bạn, tôi xin nhờ các bạn điều này ㅎㅎㅎ
Hahahaha đây là lần đầu tiên tôi thấy ai đó nhiệt tình đến vậy. Tôi cũng nghĩ rằng lĩnh vực truyền thông thời gian thực thực sự là một sự trợ giúp lớn từ góc độ của một developer. Tôi thực sự đồng cảm với những gì người này đã chia sẻ và hy vọng nhiều người sẽ nhận ra và tham khảo những điểm mà chúng tôi đồng cảm.
Luôn vinh dự khi được cùng tạo ra những khóa học hay~~! Rất mong được tiếp tục hợp tác!!
Tôi đã xem bài giảng rất hay. Cấu trúc quá tốt. Tôi nghĩ chỉ với một bài giảng này thôi là đã hiểu rõ ràng về giao tiếp thời gian thực là gì rồi.
Không chỉ đơn thuần là giới thiệu về nền tảng Flink mà còn có thể thấy được quan điểm của một senior developer nữa.
Xin chào bạn developer sinh năm 2002!! Cảm ơn bạn đã để lại đánh giá tốt!! Như bạn đã nói, mình muốn cung cấp góc nhìn rộng hơn chứ không chỉ là cách sử dụng đơn giản.
Mình sẽ mang đến những khóa học bổ ích hơn nữa cho bạn. Cảm ơn đánh giá của bạn và chúc bạn một ngày tốt lành!!
Nhờ xem bài giảng của anh mà gần đây em đã chuyển việc sang Naver Cloud!! Thật sự rất cảm ơn anh ạ.
Anh là người chia sẻ kiến thức mà em yêu thích nhất trên Inflearn và tuy không nổi tiếng lắm nhưng trong thời gian ngắn anh truyền đạt rất nhiều khái niệm và mỗi bài giảng đều thể hiện sự nỗ lực sử dụng thời gian hiệu quả nên em thấy đây là những bài giảng rất tuyệt vời.
Lần này em cũng đăng ký học ngay khi anh mới mở khóa... và quả thật nội dung rất bổ ích ạ. Thật sự là những nội dung có thể học hỏi được rất nhiều.
Xin chào warna, Naver Cloud đấy à!!! Bạn đã có một chuyến đi thật tuyệt vời nhỉ haha Thật đáng ghen tị!! Nếu có cơ hội thì mình cũng...? hahaha Đùa thôi, mình sẽ trở thành một giảng viên tiếp cận các bạn với những nội dung hữu ích và thú vị hơn nữa trong tương lai.
Chúc bạn có một ngày tốt lành và hy vọng chỉ có những điều tốt đẹp đến với bạn!!
Ban đầu tôi nghĩ "Liệu mình có cần phải biết đến những thứ này không?? Học cái này có phù hợp với sự nghiệp của mình không??" nhưng wow thật sự cái này quá bổ ích. Không chỉ là một khóa học đơn thuần mà có vẻ như là khóa học giúp học về dịch vụ Flink nhưng còn có thể nhìn xa hơn nữa.
Tôi đã xem khóa học rất hay.
Chào bạn Boosta!! Mặc dù đây là một nền tảng khó.. nhưng mình đã cố gắng diễn giải và hướng dẫn một cách dễ hiểu nhất có thể. Cảm ơn bạn vì những đánh giá tiếp thêm động lực cho mình nhé!!