Flink sql 之 两阶段聚合与 TwoStageOptimizedAggregateRule（源码分析）
本文源码基于flink1.14
上一篇文章分析了《flink的minibatch微批处理》的源码
乘热打铁分析一下两阶段聚合的源码，因为使用两阶段要先开启minibatch，至于为什么后面会分析到
两阶段聚合的原理，还是简单提一下
如下图，当聚合发生热点的时候，可以在聚合前，先进行一个本地的聚合，先减小数据量，后接正常的数据交换以后聚合，来达到一个解热点的目的，
先来看下两阶段聚合的Calcite优化rule
看下什么情况会匹配上
并且在onmatch方法中会判断开启了minibatch，以及二阶段聚合的时候会调用
来看下具体逻辑match方法
整个两阶段聚合会将原来的一个StreamPhysicalGroupAggregate物理节点，转换成一个
StreamPhysicalLocalGroupAggregate本地聚合节点 + StreamPhysicalGlobalGroupAggregate聚合节点
来看下这个新添加的StreamPhysicalLocalGroupAggregate本地聚合算子的计算逻辑是什么样子的
StreamExecLocalGroupAggragate就是StreamPhysicalLocalGroupAggregate本地聚合具体的ExecNode节点了
来看下具体的operator
看到这里是不是看到了熟悉的 MapBundleOperator ，如果看过上一篇minibatch优化的就知道，两阶段提交也是使用的这个有界operator作为抽象
在了解一下这个MapBundleOperator
就是每来一条数据，都会调用传入的fun的addInput方法
然后把每个key的结果put保存在一个本地变量，就是个map<Rowdata,Rowdata>里面
然后调用自己的trigger触发器，当这条数据可以触发触发器就会调用finishBundle
这里说到触发器，回到初始化mapBundle的时候通过createMiniBatchTrigger创建的一个minibatch的触发器，看看具体逻辑
其实就是一个普通的count触发器，触发条件就是直接使用的minibatch配置的size参数, 所以这里知道了为什么两阶段提交要先开minibatch了
先看下每来一条数据会触发的addInput方法，在来看看攒一个批次后触发的finishBundle
minibatch会包装成一个MiniBatchLocalGroupAggFunction这个funtion的addInput来看看
就是来一条数据直接调用聚合函数的accumulate直接计算结果了，虽然计算结果但是还没有往下游发送
来看下当攒一批后，集体是怎么往下游发送的 finishBundle 方法
结果都已经计算好了，攒一个批次还能干嘛，就是把当前的计算结果往下游发送呗
那整个二次聚合的优化就讲完了
总结一下
sql会将agg拆成 localminiagg + agg
先在本地聚合localConbine一遍，再往下游发送
下游就正常聚合，优化了热点的问题
