apache / flink

Problem: 电商或金融平台需要实时分析用户交易流，在毫秒级延迟内识别并阻止可疑的欺诈行为。

Solution: 使用 Flink 的 DataStream API 处理交易事件流，通过定义事件时间窗口和复杂事件处理（CEP）库来实时匹配欺诈模式。

Example: 连续监控用户登录和支付事件，若发现短时间内同一账户在异地多次大额支付，则立即触发告警并拦截交易。

Problem: 运营团队需要实时查看全站销售数据（如成交额、热门商品），传统批处理报表延迟高，无法反映当下情况。

Solution: 利用 Flink 的高吞吐、低延迟流处理能力，实时聚合来自 Kafka 的订单事件流，并将结果写入数据库或推送到前端大屏。

Example: 每秒计算并更新当天累计 GMV、各品类销量 Top10，数据延迟控制在秒级以内。

Problem: 工厂有成千上万的传感器持续上报数据，需要实时分析其状态，并在异常（如温度骤升）时立即告警。

Solution: 使用 Flink 消费传感器事件流，通过灵活的窗口（如滑动窗口）和自定义触发器进行实时聚合与阈值判断。

Problem: 需要每天定时对海量的历史日志文件（如 Nginx 访问日志）进行批量分析，计算 PV、UV 等指标。

Solution: 使用 Flink 的批处理 API（如 DataSet 或 Table API）读取 HDFS 上的日志文件，进行高效的分布式聚合计算。

Example: 每日凌晨处理前一天的 TB 级日志，统计各 API 接口的访问量、平均响应时间和错误率，生成日报。