1.Scala簡介

2. Scala的設定，安裝和配置
3.開發和執行Scala程式
4.Scala運算子和功能
5.Different函式，過程和匿名函式6. 
深入研究Scala API 
7.Collections Array，Map，列表，元組和迴圈
8.高階操作 - 模式匹配
9.Eclipse IDE與Scala

1.面向物件程式設計
2.Oops概念

3.Constructor ，getter，setter，singleton，overloading和 overriding

4.Type 推理，隱式引數，閉包
5.Lists，Maps和Map操作
6.Nested類，可見性規則

7.Functional  Structures 
8.功能程式設計結構

1.瞭解Apache Flink的內容和原因

2.瞭解Apache Flink的特點
3.Apache Flink架構和Flink設計原則 

4. 主程序的工作 - JobManager

5.工作程序的角色- TaskManager 

6. 工作者，插槽和資源
7.概述Apache Flink API 
8.瞭解Apache Spark和Apache Flink之間的區別，以瞭解Flink與Spark。

1.執行時使用Flink 分佈的 流式資料流

2.Apache Flink API 
3.Apache Flink庫

4. Apache Flink中的資料流
5. Apache Flink中的容錯

1.在雲上設定環境
2.在所有節點上安裝先決條件
3.在叢集模式下部署Apache Flink並在叢集模式下使用Flink部署Cloud

4.Play

1. Flink DataStream API簡介
2.Flink中的不同DataStream轉換
3.各種資料來源 - 基於檔案，基於套接字，基於集合，自定義
4. Apache Flink中資料接收器的責任

5. DataStream API中的迭代

6.DataStream執行引數 - 容錯，控制延遲

1.Flink中的DataSet API概述

2.Flink中的各種DataSet轉換

3.不同的資料來源 - 基於檔案，基於集合，通用
4.Flink DataSet API中資料接收器的責任

5. DataSet API中的迭代運算子

6.操作資料函式中的物件 - 物件重用已禁用/已啟用

1.在Flink中登錄檔
2.在批處理表和流表上的Flink 

3.SQL中的表訪問和各種表API運算子
4.將Flink表寫入外部接收器

1.Flink Libraries 概述

2.Flink CEP - 複雜事件處理庫
3.Apache Flink機器學習庫
4.Apache Flink Gelly -Graph處理API和庫

1.使用Hadoop 整合Flink 
2. 使用Flink 處理現有HDFS資料

3.Yarn和Flink整合
4.使用Kafka進行連結資料流

5.從Kafka實時收集資料

1.Flink中的並行資料流

2.在Flink中開發複雜的流應用程式
3.使用DataSet API在Flink中進行批處理
4.對Flink程式進行故障排除和除錯

5. Flink開發的最佳實踐
6.實時Apache Flink專案