Home

1. 概念 Flink 支持有状态的计算。状态即历史数据，例如计算过程中的 pv uv，此外还有数据源例如 Kafka Connector 的 offsets，数据存储比如接收后缓存未持久化的数据。 计算 uv，就需要存储键为 u，值为 count/明细的数据，可以使用外部存储，也可以在计算引擎中存储。在计算引擎中存储的好处是可以做到对用户无感知，例如SELECT user, count(distinct url) GROUP BY user，如果我们只需要写出这样的逻辑，而不用关注distinct url是如何存储的，会是一件很美好的事情。当然同样需要解决接口上的易用性、数据不丢不重的可靠性这类基础问题。 Flink 支持这类需求的机制就是 State. 网上介绍 state...

flink 提供多种消费 Kafka 数据的方式，由于不同层级接口支持的功能范围、粒度不同，同时 flink 版本迭代频繁，接口也在不断发生变化，因此使用起来容易混淆。 当我们定义了一个 Kafka 的 DDL，例如： CREATE TABLE MyUserTable ( ... ) WITH ( 'connector.type' = 'kafka', 'connector.version' = '0.11' ... ) 在 DDL 背后都做了什么，使得我们能够通过 SQL 读写这张表？flink 如何组织其代码结构，如何复用 streaming 相关代码的？接口从 API 到 SQL，方式更加简洁的同时，又有哪些功能被忽略掉了？ 这些疑问，在刚...

生成StreamGraph后，接下来就是构造 JobGraph 了，这一步主要的变化是将尽可能合并多个相邻的 StreamNode. 1. Why 在分布式计算中，多个节点交换数据都通过 rpc 完成，这其中就少不了网络传输、序列化与反序列化的一系列过程，如果能够优化为硬盘或者内存处理，例如对于map(...).filt(...)，理论上完全可以在本地串行计算完成，避免全量传输map的结果，在性能上明显就会有提高。 Flink 从 StreamGraph 转化为 JobGrpah 的过程，主要就是这个目的。例如对于 A → B → C → D 的调用顺序，如果 A B 可以合并为本地处理，那么就可以生成 A’ → C → D 新的 DAG 图，这就是 StreamGraph → ...

上一篇笔记介绍由 API 生成StreamExecutionEnvironment.transformations，接下来就是生成 StreamGraph. StreamExecutionEnvironment.execute里包含了诸如 StreamGraph、JobGraph、？等流程。 具体在StreamGraphGenerator.generate: StreamGraph generate() { streamGraph = new StreamGraph(executionConfig, checkpointConfig); ... alreadyTransformed = new HashMap<>(); for (Transformat...

年前开始接触 flink，到现在已经有三个月的时间了，除了最开始简单看了下 flink 的启动过程，最近一直被其 scala 及 SQL API 搞的很虚。这个假期得空，终于开始盘点下。 这篇笔记介绍下 transformations 的生成过程。 其实 flink 相关介绍网上比比皆是，为了避免拾人牙慧，本文主要介绍下自己的理解，参考文章附录在文末。 1. 开篇 以 flink 里的 Hello World 为例： val text = env.socketTextStream("127.0.0.1", 8011) text.flatMap(new FlatMapFunction[String, (String, Int)] { override def flatMa...

19年看完的书单📖： 西游八十一案-大唐泥犁狱 半小时漫画中国史 半小时漫画世界史 半小时漫画经济学-生活常识篇 Scala谜题 图解HTTP 长安古意 追风筝的人 小岛经济学 殉罪者 Scala实用指南 四时之诗：蒙曼品最美唐诗 无所畏 网络是怎样连接的 路上通勤的时间，看完了《大唐泥犁狱》、《追风筝的人》，这两本都比预期要好看很多，非常推荐。 技术类的几本书籍收获一般，如果要学习 Scala 的话，还是推荐《快学Scala》这本。 19年想要了解下经济学，因此看了本《小岛经济学》，还不错，当然感觉对于我们来讲，初期通过视频学习可能更加通俗易懂。 《蒙曼品最美唐诗》是最出乎意料的一本，诗本身以及解读都很美，读完了赏心悦目。...

Dropwizard Metrics Library 是一个 java 的监控工具包，Spark 将其作为 monitor 系统的基础实现。借助 Dropwizard Metrics 我们可以通过仅仅几行代码，就可以实现诸如数据分布、延时统计、计数等统计需求，将内部状态暴露出来。对应的，Metrics 实际上包含了两部分，监控的指标(Metric)以及指标如何导出(Reporter)。 1. Metric 1.1. Meter Meter 是一个与时间有关的统计值，例如我们可以这么使用： val requests = metrics.meter("requests") new Thread { ... requests.mark() } 底层...

有些问题还没有完全搞懂，不过先记录下来。 先放一张 scala 的类图： 笔记按照题目顺序整理。 //scalaVersion:2.12 package numericOps import scala.collection.mutable object ScalaPuzzlers extends App { /* // 1. 占位符 // Hi // Hi // List(2, 3) // 常规匿名函数是从 => 一直到代码块结束的所有代码 println(List(1, 2).map{i => println("Hi"); i + 1}) // Hi // List(2, 3) // 占位符_语法定义的匿名函数，只包括含有_的表达式 ...