小米从 2019 年开始引入 Flink 并处理实时计算相关的需求，从第一个接入的版本 1.7 到最新的 1.14，累计已升级更新了 6 个大的版本，目前已接入包括数据采集、信息流广告、搜索推荐、用户画像、金融等在内的全集团所有业务线的 3000+ 任务，日均处理 10w亿+ 的消息，并在国内外搭建了 10+ 集群。本次我将为大家分享小米基于 Flink 相关的优化和实践，希望能带给大家一些启发。

演讲提纲：

1. Flink 在小米的发展历程与现状

2. 遇到的问题与相关优化探索

• 处理应对常规问题
  • 日益增长的小文件
  • RPC 请求延迟过高
  • 用户 quota 不足
• 基于 YARN 实现动态扩缩容
• 从海量的运维压力中解放人力
• Flink 版本收敛实践

3. 业务的最佳实践

4. 未来规划与展望

你将获得：

• Flink 的相关原理
• 大规模实时场景下的问题挑战与应对
• 了解小米在实时计算平台的优化与实践经验