携程实时智能检测平台建设实践
rophet基本覆盖了携程所有业务线，监控指标的数量达到10K+，覆盖了携程所有订单、支付等重要的业务指标。Prophet将时间序列的数据作为数据输入，以监控平台作为接入对象，以智能告警实现异常的告警功能，并基于Flink实时计算引擎来实现异常的实时预警，提供一站式异常检测解决方案。
【阿里内部应用】利用blink CEP实现流计算中的超时统计问题
案例与解决方案汇总页：阿里云实时计算产品案例&解决方案汇总
一. 背景介绍
如<利用blink+MQ实现流计算中的延时统计问题>一文中所描述的场景，我们将其简化为以下案例：实时流的数据源结构如下：
物流订单号
支付时间
仓接单时间
仓出库时间
LP1
2018-08-01 08:00
...
基于Flink和规则引擎的实时风控解决方案
对一个互联网产品来说，典型的风控场景包括：注册风控、登陆风控、交易风控、活动风控等，而风控的最佳效果是防患于未然，所以事前事中和事后三种实现方案中，又以事前预警和事中控制最好。
这要求风控系统一定要有实时性。
Apache Flink 漫谈系列(09) - JOIN 算子
聊什么
在《Apache Flink 漫谈系列 - SQL概览》中我们介绍了JOIN算子的语义和基本的使用方式，介绍过程中大家发现Apache Flink在语法语义上是遵循ANSI-SQL标准的，那么再深思一下传统数据库为啥需要有JOIN算子呢？在实现原理上面Apache Flink内部实现和传统.
