Open zihjiang opened 2 years ago
Filling, 如其名, 致力于填充你的各种存储, 是一个非常易用，高性能、支持实时流式和离线批处理的海量数据处理产品，架构于 Apache Flink之上。 为什么我们需要 Filling 我们在使用 Flink 时发现了很多不便捷之处， 通过我们的努力让Filling的使用更简单，更高效，并将业界和我们使用Flink的优质经验固化到Filling中，明显减少学习成本，加快分布式数据处理能力在生产环境落地。 除了大大简化分布式数据处理难度外，Filling尽所能为您解决可能遇到的问题：
大数据发展的今天, 随着着Kappa架构越来越热, 早期的sqoop已经满足不了现在的架构, 我们在使用 Flink 时发现了很多不便捷之处， 通过我们的努力让Filling的使用更简单，更高效，并将业界和我们使用Flink的优质经验固化到Filling中，明显减少学习成本，加快分布式数据处理能力在生产环境落地。
该应用是一个可视化拖拽的在线WEB编排服务，以低代码模式完成数据采集、数据计算、数据处理分析。
应用服务将流式计算中涉及到的几大场景进行综合抽象，完成整体编排流程中的3大类算子，数据源，数据输出、数据处理，通过统一的编排方式来适应于各类数据处理场景；以及未来AI分析。
例如：在数据混合采集场景中，通过Flink数据源算子进行各数据抽取，通过数据处理算子完成各种Join处理，完成采集的跨平台、跨数据源的采集。
以流处理作为接入点, 以pravega为中心搭建DataHub, 提供流式数据的发布和订阅的功能，为Kappa和实时场景做基座, 打造流批一体的数据中台
阿里云天池昵称：蒋子函、sailyyang
项目简述
Filling, 如其名, 致力于填充你的各种存储, 是一个非常易用，高性能、支持实时流式和离线批处理的海量数据处理产品，架构于 Apache Flink之上。 为什么我们需要 Filling 我们在使用 Flink 时发现了很多不便捷之处， 通过我们的努力让Filling的使用更简单，更高效，并将业界和我们使用Flink的优质经验固化到Filling中，明显减少学习成本，加快分布式数据处理能力在生产环境落地。 除了大大简化分布式数据处理难度外，Filling尽所能为您解决可能遇到的问题：
Filling 使用场景
Filling 的特性
背景
大数据发展的今天, 随着着Kappa架构越来越热, 早期的sqoop已经满足不了现在的架构, 我们在使用 Flink 时发现了很多不便捷之处， 通过我们的努力让Filling的使用更简单，更高效，并将业界和我们使用Flink的优质经验固化到Filling中，明显减少学习成本，加快分布式数据处理能力在生产环境落地。
目标
Filling，即基于Flink的流式数据处理工具，预期将拥有如下特性：
实施方案
该应用是一个可视化拖拽的在线WEB编排服务，以低代码模式完成数据采集、数据计算、数据处理分析。
应用服务将流式计算中涉及到的几大场景进行综合抽象，完成整体编排流程中的3大类算子，数据源，数据输出、数据处理，通过统一的编排方式来适应于各类数据处理场景；以及未来AI分析。
例如：在数据混合采集场景中，通过Flink数据源算子进行各数据抽取，通过数据处理算子完成各种Join处理，完成采集的跨平台、跨数据源的采集。
长远规划
以流处理作为接入点, 以pravega为中心搭建DataHub, 提供流式数据的发布和订阅的功能，为Kappa和实时场景做基座, 打造流批一体的数据中台
成员介绍
阿里云天池昵称：蒋子函、sailyyang