摘要：
[TOC] 本文积累一些高效的scala写法。 Ordering toSeq is not good idea because driver needs to put this in memory 但是通过函数传递ordering的方式比较慢，直接Ordering.by创建内置的Ordering，或 阅读全文
摘要：
[TOC] 1.wordcount 利用socket作为数据源，对输入的每行数据进行单词计数。计算频率为process time的每10秒一次，结果输出到terminal。 数据格式 2.双流警报EventTime 时间特征为event time，每1s更新一次watermark，watermark 阅读全文
摘要：
Implementing Stateful Functions source function的stateful看官网，要加lock Declaring Keyed State at the RuntimeContext state可通过 rich functions 、Listcheckpoint 阅读全文
摘要：
[TOC] 本文API基于1.4以上 Configuring Time Characteristics 非key Stream的window operator并行度为1 Process Time 所有operator会按照系统时间来判断是否触发计算。如果作业是在9:15am开始的，且设置了1h的间隔 阅读全文
摘要：
[TOC] 本文API基于Flink 1.4 注意，map、flatMap算子需要TypeInformation的隐式转换，即implicit val typeInfo = TypeInformation.of(classOf[map后的类型])。但更好的办法是 或 静态数据 从map到apply都 阅读全文
摘要：
[TOC] Spark SQL/DF的执行过程 将上层的SQL语句映射为底层的RDD模型。 写代码（DF/Dataset/SQL）并提交 Parser解析后得到unresolved logical plan（代码合法但未判断data是否存在、数据类型） Analyzer分析对比Catalog（里面绑 阅读全文
摘要：
[TOC] 下面调优主要基于2.0以后。 代码优化 1.语言选择 如果是ETL并进行单节点机器学习，SparkR或Python。优点：语言相对简单；缺点：使用语言自身的数据结构时，效率低，因为这些数据需要转换。 如果用到自定义transformations或自定义类，Scala或Java。优点：性能 阅读全文
摘要：
[TOC] System Architecture 分布式系统需要解决：分配和管理在集群的计算资源、处理配合、持久和可访问的数据存储、失败恢复。Fink专注分布式流处理。 Components of a Flink Setup JobManager ：接受application，包含StreamGr 阅读全文
摘要：
Kafka总结 [TOC] 什么是kafka：分布式流处理平台。主要三个特点：可以发布和订阅消息的系统；可容错且持久地存储流记录；流计算。通常使用前两个特征。 发布订阅信息系统一般规则 ：消费者可订阅多个topic（消息队列），同一条数据可被多个消费者消费，消息被消费后不会被立刻删除。 概念 Bro 阅读全文
摘要：
[TOC] 166分数到小数 给定两个整数，分别表示分数的分子 numerator 和分母 denominator，以字符串形式返回小数。如果小数部分为循环小数，则将循环的部分括在括号内。 思路： 分母、分子为0的情况 新建StringBuilder 结果是否为负数，是则加上负号 分子分母取绝对值 阅读全文