Przejdź do treści
Biblioteka skilli
Dane i analityka · Budowanie i kod

apache-flink-stateful-stream-processing

/apache-flink-stateful-stream-processing

Przetwarza nieograniczone strumienie zdarzeń w Apache Flink z czasem zdarzeń, oknami przesuwnymi i stanem z punktami kontrolnymi.

Licencja
MIT
Ostatnia zmiana repozytorium
28.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 28.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Przetwarza nieograniczone strumienie zdarzeń w Apache Flink z czasem zdarzeń, oknami przesuwnymi i stanem z punktami kontrolnymi.

Oryginalny opis (EN)

Use this skill when processing unbounded real-time event streams with event-time semantics, sliding windows, and stateful checkpoints in Flink.

Jak działa

  1. When to use
  2. Prerequisites
  3. Step-by-step workflow
  4. Commands / code examples
  5. Common mistakes & pitfalls
  6. Verification checklist
  7. Related skills
Sekcje z nagłówków SKILL.md, w oryginale · 45 linii, 265 słów
Podgląd SKILL.md
---
name: apache-flink-stateful-stream-processing
description: Use this skill when processing unbounded real-time event streams with event-time semantics, sliding windows, and stateful checkpoints in Flink.
---
# Apache Flink Stateful Stream Processing

## When to use
Use this skill when you need to processing unbounded real-time event streams with event-time semantics, sliding windows, and stateful checkpoints in Flink.

## Prerequisites
- Deep understanding of modern AI/ML systems, data engineering pipelines, or distributed architectures.
- Testing environment with necessary libraries and credentials configured.

## Step-by-step workflow
1. **Analyze data & architectural requirements**: Evaluate throughput, latency, context windows, and schema constraints.
2. **Formulate pipeline / model contracts**: Define strict input/output specifications and validation schemas.
3. **Implement core execution logic**: Construct deterministic transformations, prompt chains, or streaming data flows.
4. **Validate performance & accuracy**: Run automated test assertions, evaluate accuracy metrics, and benchmark throughput.
5. **Enforce observability & guardrails**: Instrument workflows with tracing, logging, rate limits, and fallback strategies.

## Commands / code examples
```python
# Production pipeline and implementation pattern for apache-flink-stateful-stream-processing
import os

def run_pipeline():
    print("Executing operational pipeline: apache-flink-stateful-stream-processing")

if __name__ == "__main__":
    run_pipeline()
```

## Common mistakes & pitfalls
- Allowing untrusted inputs to bypass validation checks, resulting in data corruption or prompt injection.
- Accumulating unconstrained state in memory during stream processing, leading to Out-Of-Memory (OOM) crashes.
- Neglecting evaluation benchmarks, deploying models or prompts without quantitative quality scoring.

## Verification checklist
- [ ] Pipeline validates input schemas and filters malformed records.
- [ ] Concurrency and memory utilization remain within provisioned boundaries.
- [ ] Performance and accuracy metrics meet predefined SLA targets.
- [ ] Fallback and retry mechanisms handle external API or network interruptions gracefully.

## Related skills
- retrieval-augmented-generation-rag-pipeline
- prompt-injection-defense-guardrails
- apache-kafka-event-streaming-architecture
- distributed-tracing-opentelemetry-sdk

Wersje

W bazie nie ma innych skilli o nazwie apache-flink-stateful-stream-processing.

Migawka bazy z 13.11.2026 · wersja paczki c802f5e7f8dd (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100flink
    Przetwarza strumienie danych w czasie rzeczywistym w Apache Flink: analityka na żywo, niskie opóźnienia, złożone przetwarzanie zdarzeń i stanowe przetwarzanie na dużą skalę.
  • 100stream-processing-expert
    Buduje ciągłe potoki danych nad strumieniami zdarzeń: okna, watermarki, semantykę exactly-once, przetwarzanie ze stanem i change data capture, z Flink, Spark Structured Streaming i Debezium.
  • 100flink-job-creator
    Prawdopodobnie tworzy zadania Apache Flink w potokach danych.
  • 100apache-beam-unified-stream-batch-pipelines
    Buduje przenośne potoki danych strumieniowych i wsadowych w Apache Beam, uruchamiane na Direct, Flink lub Dataflow.
  • 100flink-udf
    Buduje i wdraża funkcje użytkownika Apache Flink (UDF, UDTF, PTF) w Javie do przetwarzania strumieni z Kafki, w Confluent Cloud lub lokalnym Dockerze, i wywołuje je z Flink SQL lub Table API.
  • 90data-streaming
    Projektuje strumieniowe przetwarzanie zdarzeń w Kafka, Flink i Kinesis, z CDC przez Debezium i gwarancjami niezawodności.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.