鐵人檔案
這次 30 天技術寫作挑戰，我選擇聚焦 Real-time (Streaming) Pipeline。系列將從「知其然，更知其所以然」的角度出發，先動手寫一個簡單的 streaming framework，帶大家理解事件驅動、狀態管理與窗口計算等核心概念，再進一步探索業界主流的 Flink 與 RisingWave。希望透過「先造小輪子，再開大卡車」的方式，讓大家不只看懂技術，還能真正體會它為什麼重要。三十天不一定能成就一部史詩，但一定能收穫一套完整的 Streaming 心法。
還記得上次我們說到：「乾脆把所有邏輯都搬到 Streaming，不就更快？」 從 Lambda 到 Kappa 的轉念 Lambda 架構的雙軌制問題 在 La...
想像一下你在經營一家咖啡店，門口架著一個攝影機，源源不斷拍下每個顧客的身影。這些影像就是事件流（Stream） - 一張又一張，無限播放。 但問題是，如果你想知...
還記得我們在 Day12 說過的「狀態運算」嗎？以及之前實作的「Database Lookup Join」嗎？ 今天我們要更進一步，探討真正的流處理思維：Str...
上一篇我們征服了「流與流的邂逅」- Streaming Join。今天讓我們探討另一個流處理的核心操作：Streaming GroupBy。 如果說 JOIN...
昨天我們實現了基礎的流式 GroupBy Count，今天將進一步擴展聚合功能。我們將實現完整的聚合操作（sum、avg、max、min）。 重要提醒本文所有程...
