Filling, 如其名, 致力于填充你的各种存储, 是一个非常易用，高性能、支持实时流式和离线批处理的海量数据处理产品，架构于 Apache Flink之上。

filling设计思路参考waterdrop: [https://interestinglab.github.io/waterdrop/]

我们在使用 Flink 时发现了很多不便捷之处， 通过我们的努力让Filling的使用更简单，更高效，并将业界和我们使用Flink的优质经验固化到Filling中，明显减少学习成本，加快分布式数据处理能力在生产环境落地。 除了大大简化分布式数据处理难度外，Filling尽所能为您解决可能遇到的问题：

• 数据丢失与重复
• 任务堆积与延迟
• 吞吐量低
• 应用到生产环境周期长
• 缺少应用运行状态监控

• 海量数据ETL
• 海量数据聚合
• 多源数据处理

• 简单易用，灵活配置，无需开发
• 实时流式处理
• 离线多源数据分析
• 高性能
• 海量数据处理能力
• 模块化和插件化，易于扩展
• 支持利用SQL做数据处理和聚合
• 支持flink
• 目前支持flink1.31.1

graph TD
source[source] --> transfrom[transfrom]
transfrom --> sink[sink]

多个Filter构建了数据处理的Pipeline，满足各种各样的数据处理需求，如果您熟悉SQL，也可以直接通过SQL构建数据处理的Pipeline，简单高效。目前Filling支持的Filter列表, 仍然在不断扩充中。您也可以开发自己的数据处理插件，整个系统是易于扩展的。

• Input plugin

kafka, file, jdbc , 自行开发的Input plugin

• Filter plugin

DataAggregates,DecodeBase64,FieldOperation,FieldRename,FieldTypeConver, DataJoin, EncodeBase64,FieldOrder.,FieldSelect,Sql, DataSelector, FieldJavaScript, FieldRemove, FieldSplit, 自行开发的Filter plugin

• Output plugin

Elasticsearch, File, Jdbc, Kafka, Mysql, Stdout, 自行开发的Output plugin

1. java运行环境，java >= 11

2. 如果您要在集群环境中运行Filling，那么需要以下flink集群环境的任意一种：

• Flink on Yarn // TODO
• Flink Standalone
• Flink on Mesos // TODO

如果您的数据量较小或者只是做功能验证，也可以仅使用local模式启动，无需集群环境，Filling支持单机运行。

[https://zihjiang.github.io/filling-book/]

提交问题和建议：https://github.com/zihjiang/Filling/issues

贡献代码：https://github.com/zihjiang/Filling/pulls