FlinkKafkaConsumer相同group.id多个任务消费kafka问题
当使用FlinkKafkaConsumer消费Kafka时，即使设置了相同的group.id，由于Flink内部管理partition的消费offset，两个程序仍能同时消费所有数据。这与KafkaConsumer不同，后者严格遵循消费组隔离原则，避免重复消费同一分区的数据。Flink为实现exactly-once语义，需要独立管理offset，这导致了上述现象。
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层：数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中，大数据平台层为核心，负责数据的存储和计算，支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型，应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
参与Flink社区活动，免费赢取FFA大会两日通票～
Flink Forward Asia 2024 将于 11 月 29-30 日在上海举行，庆祝 Apache Flink 诞生十周年。大会将回顾 Flink 的技术成就，展望未来十年的发展，并介绍 Flink 2.0 版本。通过三种参与方式，您有机会免费赢取大会两日通票和 Flink 专属周边。
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。
实时计算Flink场景实践
在数字化时代，实时数据处理愈发重要。本文分享了作者使用阿里云实时计算Flink版和流式数据湖仓Paimon的体验，展示了其在电商场景中的应用，包括数据抽取、清洗、关联和聚合，突出了系统的高效、稳定和低延迟特点。
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。
ClickHouse与大数据生态整合：从ETL到BI报表
【10月更文挑战第27天】在这个数据驱动的时代，企业越来越依赖于数据来做出关键决策。而高效的数据处理和分析能力则是支撑这一需求的基础。作为一位数据工程师，我有幸参与到一个项目中，该项目旨在利用ClickHouse与Hadoop、Spark、Flink等大数据处理框架的整合，构建一个从数据提取（Extract）、转换（Transform）、加载（Load）到最终生成商业智能（BI）报表的全流程解决方案。以下是我在这个项目中的经验和思考。
