超英文邮件50%!Flink 中文邮件列表必须有姓名

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: 继6月首次 Flink 中文邮件列表的邮件数超过英文邮件列表,7月再创新纪录,中文邮件列表的邮件数超英文邮件列表50%。

继6月首次 Flink 中文邮件列表的邮件数超过英文邮件列表,7月再创新纪录,中文邮件列表的邮件数超英文邮件列表50%。通过数据,我们不难发现 Flink 中文社区正在蓬勃发展。作为备受瞩目的新一代开源大数据计算引擎,Flink 已成为 Apache 基金会和 GitHub 最为活跃的顶级项目之一。

由于社区大群依然有很多同学在问邮件列表如何订阅、有何功能效用,本文借此机会详细跟大家介绍一下邮件列表的由来、核心功能以及正确的订阅方式。

开源社区邮件列表的作用

成熟的开源社区都有用户邮件列表,如 Flink、 Kafka、HBase、Spark 等,用户会在邮件列表里咨询和交流问题, 用户邮件列表的活跃程度在很大程度上也反映了社区的发展趋势。

开源社区包容性众所周知,用户来自不同的公司、学校、研究机构,大家共同维护社区、贡献社区、促进社区发展,邮件列表是社区用户最主要的交流工具,绝大部分社区活动都是通过邮件列表来完成。通常一个开源社区至少会有两个邮件列表,分别是:

  • 开发者(dev)邮件列表:dev 邮件列表的使用者主要是开源软件的开发者,用于讨论社区开发相关的工作,比如 feature 设计、版本发布等。
  • 用户(user)邮件列表:user 邮件列表的使用者主要是使用开源软件的用户,主要用于反馈问题、寻求帮助、讨论交流。

下表列出了几个常见开源社区的邮件列表。

1.png

用户邮件列表是社区中最为活跃的邮件列表,绝大多数社区开发者的成长都是从用户邮件列表开始,从最开始时在用户邮件列表寻求帮助,到帮助别人,再到贡献社区,再到成长为社区核心力量。

Flink 中文邮件列表的诞生

Apache 基金会一向推崇使用英文交流,作为 Apache 旗下的顶级项目,Flink 社区的邮件列表之前也一直使用英文邮件列表(user@flink.apache.org),没有中文邮件列表。

但随着 Flink 社区中文用户的高速增长,参与社区讨论、给社区贡献的中文用户也日益增加,不少华人甚至成长为 Flink 的核心贡献者。据 Flink 官方数据统计,在2018年全年访问 Flink 的流量有24%来自中国,22%来自美国,并且来自中国的流量持续增加,在18年的最后一个月,访问 Flink 的流量有30%来自中国,而来自美国的流量只有20%,这些事情都使得 Flink 社区越加重视中文用户群体。

为了解决中文用户的语言沟通障碍,为中文用户提供更大的支持,在2019年1月,Flink 社区的 PMC 成员 Robert Metzger 提议并开设了中文邮件列表(user-zh@flink.apache.org)。

2.png

(Discuss 截图)

据笔者所知,这也是第一个开设中文用户邮件列表的 Apache 顶级项目,这也从侧面反映中国的开源力量在世界开源舞台开始获得了越来越多的关注和尊重。

Flink 中文邮件列表的发展

一年半过去了,让我们一起通过数据看看 Flink 中文邮件列表的发展。

3.jpg

(中文邮件列表 2019 年至今增长走势图)

在 Flink 中文邮件列表刚建立的第一个月只有12封邮件,而刚刚过去的7月份则是有1271封邮件,足足提升了两个数量级。在今年6月份的时候首次超过了英文邮件列表(user@flink.apache.org), 在7月份中文邮件列表更是超过了英文邮件列表的50%,6,7月份刚好是 Flink 大版本 1.11 的发布窗口,所以6、7月份的邮件列表也最为活跃。

可能大家对这个邮件数没有直观的感受,我们可以对比下另外一些 Apache 顶级项目如 Spark 和 Kafka,如下图所示,这两个社区的用户邮件列表数每个月平均在200+,可以发现 Flink 社区的活跃度遥遥领先。

4.png

(Flink、Spark、Kafka 邮件列表活跃度对比)

当然用户邮件列表的活跃离不开大量在邮件列表中帮忙答疑的同学,比如阿里的云邪(Jark Wu),头条的李本超(Benchao Li)等等。李本超同学为 Flink SQL 等核心模块贡献了很多 feature,同时在用户邮件列表中表现特别活跃,帮助社区用户解答了很多问题,并在6月受邀成为 Apache Flink Committer。

值得一提的是,本超同学最初也是从用户邮件列表寻求帮助开始,到后来逐渐开始帮助他人,再逐渐成长为社区的 Committer,大家可以在这篇文章(一年成为 Committer,我与 Flink 社区的故事)中学习他的社区经验分享。

开源社区的的发展离不开这群用爱发电的社区开发者、志愿者,下面是 Apache Flink 官方统计 6、7月份 英文邮件列表和中文邮件列表的 Top20 社区活跃用户,在此向他们表示敬意。

5.png
6.png

Flink 中文邮件列表的订阅

当然,有很多同学在问交流群提问它不香吗?诚恳的回答是:香!但与社区交流相比,邮件列表更有其不可替代的地方:

  1. 首先,邮件列表中的提问 Flink 核心开发者每天必看,几乎有问必答,疑问交流更便捷,问题追溯有记录;
  2. 其次,邮件列表是 Flink 用户需求收集的主要来源,你的提问很可能成为下一版本的新 feature;
  3. 第三,有助于养成先思考再提问的好习惯,邮件列表提问的过程也是问题回溯的过程,可能邮件还未发出,解决方案已自动浮现于脑海中;
  4. 第四,社区最新动态尽在邮件列表,所以前人已经踩过的坑有助于绕开,且优秀经验的分享也能第一时间 get,多重功效;

同时,从 Flink 中文邮件列表的火爆程度可以发现,Flink 中文邮件列表已经成为 Flink 社区最有活力的阵地。这个成绩离不开 Flink 社区坚定地拥抱中文社区,更离不开社区里的开发者、志愿者对邮件列表做出的巨大贡献。社区也期待更多的用户加入 Flink 社区,共建 Flink 的开源生态,一起打造更有活力更有深度的 Flink 社区。

Apache Flink 中文邮件列表为方便大家订阅,流程也十分简单,3步发送一封邮件并回复确认即可。步骤如下:

  1. 发送任意邮件到 user-zh-subscribe@flink.apache.org
  2. 收到官方确认邮件
  3. 回复该邮件 confirm 即可订阅

此时,直接向该邮件列表(user-zh@flink.apache.org) 发送邮件就可以开始反馈问题,讨论交流!更多邮件列表咨询或反馈可钉钉扫描下方二维码告诉我们~

▼ 扫码反馈 ▼

7.png

本文数据来源:

[1]https://mail-archives.apache.org/mod_mbox/flink-user
[2]https://mail-archives.apache.org/mod_mbox/flink-user-zh
[3]https://mail-archives.apache.org/mod_mbox/spark-user
[4]https://mail-archives.apache.org/mod_mbox/kafka-users

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
消息中间件 存储 Kafka
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
|
SQL 机器学习/深度学习 分布式计算
Flink、Spark、Storm技术对比列表
Flink、Spark、Storm技术对比列表
594 0
|
4月前
|
运维 数据处理 数据安全/隐私保护
阿里云实时计算Flink版测评报告
该测评报告详细介绍了阿里云实时计算Flink版在用户行为分析与标签画像中的应用实践,展示了其毫秒级的数据处理能力和高效的开发流程。报告还全面评测了该服务在稳定性、性能、开发运维及安全性方面的卓越表现,并对比自建Flink集群的优势。最后,报告评估了其成本效益,强调了其灵活扩展性和高投资回报率,适合各类实时数据处理需求。
|
2月前
|
存储 分布式计算 流计算
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
本文介绍了阿里云开源大数据团队在实时计算领域的最新成果——向量化流计算引擎Flash。文章主要内容包括:Apache Flink 成为业界流计算标准、Flash 核心技术解读、性能测试数据以及在阿里巴巴集团的落地效果。Flash 是一款完全兼容 Apache Flink 的新一代流计算引擎,通过向量化技术和 C++ 实现,大幅提升了性能和成本效益。
1578 73
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
|
7天前
|
消息中间件 关系型数据库 MySQL
Flink CDC 在阿里云实时计算Flink版的云上实践
本文整理自阿里云高级开发工程师阮航在Flink Forward Asia 2024的分享,重点介绍了Flink CDC与实时计算Flink的集成、CDC YAML的核心功能及应用场景。主要内容包括:Flink CDC的发展及其在流批数据处理中的作用;CDC YAML支持的同步链路、Transform和Route功能、丰富的监控指标;典型应用场景如整库同步、Binlog原始数据同步、分库分表同步等;并通过两个Demo展示了MySQL整库同步到Paimon和Binlog同步到Kafka的过程。最后,介绍了未来规划,如脏数据处理、数据限流及扩展数据源支持。
127 0
Flink CDC 在阿里云实时计算Flink版的云上实践
|
6月前
|
存储 监控 大数据
阿里云实时计算Flink在多行业的应用和实践
本文整理自 Flink Forward Asia 2023 中闭门会的分享。主要分享实时计算在各行业的应用实践,对回归实时计算的重点场景进行介绍以及企业如何使用实时计算技术,并且提供一些在技术架构上的参考建议。
906 7
阿里云实时计算Flink在多行业的应用和实践
zdl
|
2月前
|
消息中间件 运维 大数据
大数据实时计算产品的对比测评:实时计算Flink版 VS 自建Flink集群
本文介绍了实时计算Flink版与自建Flink集群的对比,涵盖部署成本、性能表现、易用性和企业级能力等方面。实时计算Flink版作为全托管服务,显著降低了运维成本,提供了强大的集成能力和弹性扩展,特别适合中小型团队和业务波动大的场景。文中还提出了改进建议,并探讨了与其他产品的联动可能性。总结指出,实时计算Flink版在简化运维、降低成本和提升易用性方面表现出色,是大数据实时计算的优选方案。
zdl
189 56
|
21天前
|
存储 关系型数据库 BI
实时计算UniFlow:Flink+Paimon构建流批一体实时湖仓
实时计算架构中,传统湖仓架构在数据流量管控和应用场景支持上表现良好,但在实际运营中常忽略细节,导致新问题。为解决这些问题,提出了流批一体的实时计算湖仓架构——UniFlow。该架构通过统一的流批计算引擎、存储格式(如Paimon)和Flink CDC工具,简化开发流程,降低成本,并确保数据一致性和实时性。UniFlow还引入了Flink Materialized Table,实现了声明式ETL,优化了调度和执行模式,使用户能灵活调整新鲜度与成本。最终,UniFlow不仅提高了开发和运维效率,还提供了更实时的数据支持,满足业务决策需求。
|
5月前
|
SQL 消息中间件 Kafka
实时计算 Flink版产品使用问题之如何在EMR-Flink的Flink SOL中针对source表单独设置并行度
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
SQL 运维 数据可视化
阿里云实时计算Flink版产品体验测评
阿里云实时计算Flink基于Apache Flink构建,提供一站式实时大数据分析平台,支持端到端亚秒级实时数据分析,适用于实时大屏、实时报表、实时ETL和风控监测等场景,具备高性价比、开发效率、运维管理和企业安全等优势。

相关产品

  • 实时计算 Flink版