<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zstraw的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zstraw</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zstraw]]></copyright><item><title><![CDATA[从Flink LookupJoin 入门 Flink Rule]]></title><link>https://blog.youkuaiyun.com/zstraw/article/details/123262588</link><guid>https://blog.youkuaiyun.com/zstraw/article/details/123262588</guid><author>zstraw</author><pubDate>Thu, 03 Mar 2022 20:07:20 +0800</pubDate><description><![CDATA[网上有一系列关于 Flink SQL、Calcite 的高大上的文章，看完却无法上手开发。
本文主要从 Flink 的 JOIN 基础开始，带新手走通 LookupJoin 的流程，教你自行 Debug，通过熟悉中间的 Rule 后，读者可以上手做一些自定义的修改或开发自己的 Rule。]]></description><category></category></item><item><title><![CDATA[Flink State 二三事]]></title><link>https://blog.youkuaiyun.com/zstraw/article/details/123262307</link><guid>https://blog.youkuaiyun.com/zstraw/article/details/123262307</guid><author>zstraw</author><pubDate>Thu, 03 Mar 2022 20:03:59 +0800</pubDate><description><![CDATA[一、State 基础
State 作为 Flink 的基础设施，用于存储流计算计算节点的中间结果。如一个聚合计算的任务，先将历史的计算结果写入 state，当来了新数据时，再读取状态中的数据，更新后再写入 state。
对于一个能在生产环境稳定使用的 State，它需要解决以下问题：
1. 低延时地读写；
2. 可靠、高可用，提供数据 Exactly Once 的语义，失败可恢复；
3. 数据可以分配在 subtask 中，任务中断修改并行度后，任务依然可以恢复，并能重新分配至新的 subtask 中；
4]]></description><category></category></item></channel></rss>