1.本书从宏观层面介绍流计算，并介绍处理实时数据流的内容、地点、时间和方式。
2.本书一作泰勒·阿基道是谷歌公司的高级软件工程师、数据处理语言和系统部门的技术负责人，拥有丰富的经验，负责谷歌的Apache Beam、Cloud Dataflow、Flume、MapReduce和MillWheel等内部数据处理工具。他还是Apache Beam PMC的创始成员。
3.本书译者为阿里技术团队，由专门的流式系统技术的推广团队，可以借势推广。

这是一本理论高度概括的书，讲解流式处理核心、本质的概念、特性、设计和方法。本书分为两部分：第一部分以Beam的编程模型为抓手讨论流处理的种种核心问题，重点是相对高层次地讨论批处理模型以及流处理模型；第二部分讨论流与表的二象性，即两者之间的类比与差异，对概念进行深入探讨，并讨论关于流处理的“流与表”的思考方式。本书还概要浏览大数据处理系统的家族历史，深入讨论流式系统发展领域的一些重要贡献。此外，本书配有大量的动画示意图，读者可以在线查看相关动图示例。 本书覆盖流式系统的核心理论和本质概念，适合大数据系统爱好者、相关专业学生、数据工程师、数据科学家和开发人员阅读和参考。尽管本书只是流式系统的导论读物，但是仍然需要读者了解大数据处理系统的基本原理并具备相关的使用经验。

第 一部分 Beam模型
第 1章  流式处理入门\t2
1.1 术语：什么是流\t3
1.2 数据处理模式\t9
1.3 小结\t17
第 2章  数据处理的来龙去脉\t19
2.1 路线图\t20
2.2 批基础：定义及位置\t21
2.3 开始流处理：时机及方法\t27
2.4 小结\t44
第3章  水位\t47
3.1 定义\t47
3.2 源端水位的创建\t49
3.3 水位传播\t53
3.4 百分比水位\t65
3.5 处理时间水位\t67
3.6 案例分析\t69
3.7 小结\t75
第4章  高级开窗\t76
4.1 时机/位置：处理时间开窗\t76
4.2 位置：会话\t82
4.3 位置：自定义开窗\t85
4.4 小结\t95
第5章  准确一次及副作用\t97
5.1 为什么准确一次这么重要\t97
5.2 准确性与完整性\t98
5.3 确保在混洗中准确一次\t101
5.4 解决确定性\t102
5.5 性能\t102
5.6 源端的准确一次\t105
5.7 汇端的准确一次\t106
5.8 用例\t107
5.9 其他系统\t110
5.10 小结\t112
第二部分 流和表
第6章  流和表\t114
6.1 流和表的基础：“流表相对论”的特殊理论\t115
6.2 批处理与流和表\t116
6.3 流和表世界的定义、位置、时机和方法\t121
6.4 “流表相对论”的一般理论\t137
6.5 小结\t139
第7章  持久化状态的实践\t141
7.1 动机\t141
7.2 隐式状态\t144
7.3 广义状态\t149
7.4 小结\t162
第8章  流式SQL\t163
8.1 什么是流式SQL\t163
8.2 回顾：流和表的设计偏好\t174
8.3 展望：迈向健壮的流式SQL\t184
8.4 小结\t204
第9章  流式连接\t207
9.1 所有连接都是流式连接\t207
9.2 非开窗连接\t208
9.3 开窗连接\t219
9.4 小结\t234
第 10章  大规模数据处理的演化\t236
10.1 MapReduce\t237
10.2 Hadoop\t241
10.3 Flume\t242
10.4 Storm\t247
10.5 Spark\t250
10.6 MillWheel\t252
10.7 Kafka\t256
10.8 Cloud DataFlow\t259
10.9 Flink\t261
10.10 Beam\t265
10.11 小结\t268