Procesamiento de flujos con Apache Flink

Capítulo 10. Funcionamiento de aplicaciones Flink y Streaming

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Las aplicaciones de streaming son de larga duración y sus cargas de trabajo suelen ser impredecibles. No es raro que un trabajo de streaming se ejecute continuamente durante meses, por lo que sus necesidades operativas son muy diferentes a las de los trabajos por lotes de corta duración. Considera un escenario en el que detectas un error en tu aplicación implementada. Si tu aplicación es un trabajo por lotes, puedes corregir fácilmente el error sin conexión y luego volver a desplegar el nuevo código de la aplicación una vez que finalice la instancia del trabajo actual. Pero, ¿y si tu trabajo es un trabajo de streaming de larga duración? ¿Cómo aplicas una reconfiguración con poco esfuerzo y garantizando la corrección?

Si utilizas Flink, no tienes de qué preocuparte. Flink hará todo el trabajo duro para que puedas monitorear, operar y reconfigurar fácilmente tus trabajos con el mínimo esfuerzo, preservando al mismo tiempo la semántica de estado exactamente una vez. En este capítulo, presentamos las herramientas que ofrece Flink para operar y mantener aplicaciones de streaming en ejecución continua. Te mostraremos cómo recopilar métricas y monitorizar tus aplicaciones y cómo preservar la coherencia de los resultados cuando quieras actualizar el código de la aplicación o ajustar los recursos de ésta.

Ejecutar ...