马云曾在一次演讲中说道：“未来的时代，将不再是 IT 时代，而是 DT 时代。”
的确，这些年，越来越多开发，转行做大数据，又或通过大数据打造自己的竞争力（比如很多 Java 开发都会学学大数据），核心原因有三点：
- 云计算技术的发展会降低功能开发的难度，很多开发会向低代码方向发展。
- 大数据的价值空间正在逐渐形成，而围绕大数据进行价值化操作将是一个新的发展趋势，人才需求会更集中。
- 大数据是人工智能的基础，但是相比于人工智能技术来说，大数据的技术体系已经趋于成熟，更容易实现产业化落地。
不光如此，从大数据的薪资上来看，我们就可以看出它的“钱”景一片光明。
在大数据的众多技术栈中，能真正能同时做到低时延、Exactly-Once 数据一致性保障及高吞吐的，只有 Flink 一个。而且，Flink 同时支持流处理和批处理，解决了用批来模拟流的技术局限性。
基本上使用大数据技术的公司，都会优先选择 Flink 作为技术解决方案，但 Flink 的上手门槛比较高，好在 FlinkSQL 来了，在 Flink1.13 及以后的版本当中，SQL 功能已经日趋完善，可以用在实际线上生产环境当中了，这大大降低了大数据的学习成本和门槛。
一. FlinkSQL 的优势
1. 通过 SQL 语法，不管数据是批量处理还是流式处理，都可以统一抽象解决了。再也不用花大量时间成本在代码调试上，而是专注于业务逻辑的处理。
2. 如果处理批量数据文件，也可以使用 SQL 来实现。
3. 如果处理的是流式数据，也可以通过 SQL 来实现，而且 Flink 当中也有强大的功能可以支持，主要包括以下核心功能：
只要学会了 FlinkSQL，就可以轻松搞定各种数据处理场景，解决流式以及批量数据处理，而且可以轻松实现与外部系统的集成应用。
二、如何快速上手？
在这给你个学习路线图，分成以下几大模块
这是我最近看到的一门「 FlinkSQL 的实战好课」，从基本概念介绍，到代码实践练习，带你轻松通过 FlinkSQL 学习过程里的所有难关。
课程共 3 小时，只要一个晚上，基本就能拿下。主要包含了以下这些知识点：
- 流式处理以及批量处理的技术发展历程
- FlinkSQL 流批一体的设计思想
- Flink Table 以及 SQL 的编程实践
- FlinkSQL 整合外部的各种系统，例如 CSV、Json、Kafka、HBase、MySQL 以及 Hive 等
- FlinkSQL 当中的窗口操作
- FlinkSQL 当中的内置函数定义
