文章目录SQL聚合函数（AggregateFunction）SQL聚合函数（AggregateFunction）PythonUDAF，即PythonAggregateFunction。PythonUDAF用来针对一组数据进行聚合运算，比如同一个window下的多条数据、或者同一个key下的多条数据等。针对同一组输入数据，PythonAggregateFunction产生一条输出数据。比如以下示例，定义了一个名字为weighted_avg的PythonUDAF：frompyflink.c

曾经红遍一时的Scala想当初Spark横空出世之后，Scala简直就是语言界的一颗璀璨新星，惹得大家纷纷侧目，连Kafka这类技术框架也选择用Scala语言进行开发重构。可如今，Flink竟然公开宣布弃用Scala在Flink1.18的官方文档里，有一句非常严肃的话：所有的FlinkScalaAPIs已被标记为废弃，且将在未来版本中予以移除。AllFlinkScalaAPIsaredeprecatedandwillberemovedinafutureFlinkversion.YoucanstillbuildyourapplicationinScala,butyoushouldmovetoth

文章目录一.flink主键声明语法二.物理表创建联合主键表三.flinksql使用一.flink主键声明语法主键用作Flink优化的一种提示信息。主键限制表明一张表或视图的某个（些）列是唯一的并且不包含Null值。主键声明的列都是非nullable的。因此主键可以被用作表行级别的唯一标识。主键可以和列的定义一起声明，也可以独立声明为表的限制属性，不管是哪种方式，主键都不可以重复定义，否则Flink会报错。 有效性检查SQL标准主键限制可以有两种模式：ENFORCED或者NOTENFORCED。它申明了是否输入/出数据会做合法性检查（是否唯一）。 Flink不存储数据因此只支持NOTENFORC

Postgresql根据单列或几列分组去重row_number()over()partitionby一般用于单列或者几列需要去重后进行计算值的count(distinct(eid))可以比如有个例子，需要根据名称，城市去筛选覆盖的道路长度，以月因为建立了唯一索引是ok的，年时可能会有重复的，如何去重呢？用窗口函数:row_number()over()partitionbycount(distinct(length))不行，因为很多道路数据本就有相同的长度1.效果图可以看到distinctCnt>Cnt说明有重复，点开string_agg的结果发现确实是有重复；,这样计算其所对应的length值

系统架构Flink运行时架构Standalone会话模式为例1）作业管理器（JobManager）JobManager是一个Flink集群中任务管理和调度的核心，是控制应用执行的主进程。每个应用都应该被唯一的JobManager所控制执行。JobManger又包含3个不同的组件。（1）JobMasterJobMaster是JobManager中最核心的组件，负责处理单独的作业（Job）。JobMaster和具体的Job是一一对应的，多个Job可以同时运行在一个Flink集群中，每个Job都有一个自己的JobMaster。在作业提交时，JobMaster会先接收到要执行的应用。JobMaster

Flink、Yarn架构，以FlinkonYarn部署原理详解Flink架构概览ApacheFlink是一个开源的分布式流处理框架，它可以处理实时数据流和批处理数据。Flink的架构原理是其实现的基础，架构原理可以分为以下四个部分：JobManager、TaskManager、JobGraph、Checkpoint。JobManagerJobManager是Flink集群的控制节点，负责接收用户提交的任务，将任务分配给TaskManager进行执行，并监控任务的执行状态。JobManager还负责保存和恢复Flink应用程序的状态信息，以及维护JobGraph，对任务进行调度和优化。TaskM

目录前言题目：一、读题分析二、处理过程 1.数据处理部分：2.HBaseSink（未经测试，不能证明其正确性，仅供参考！）三、重难点分析总结 什么是HBase？前言本题来源于全国职业技能大赛之大数据技术赛项赛题-电商数据处理-实时数据处理注：由于设备问题，代码执行结果以及数据的展示无法给出，可参照我以往的博客其中有相同数据源展示题目：        使用Flink消费Kafka中topic为ods_mall_log的数据，根据数据中不同的表前缀区分，将数据分别分发至kafka的DWD层的dim_customer_login_log的Topic中，其他的表则无需处理；提示：以下是本篇文章正文内容

一、什么是分流所谓“分流”，就是将一条数据流拆分成完全独立的两条、甚至多条流。也就是基于一个DataStream，定义一些筛选条件，将符合条件的数据拣选出来放到对应的流里。二、基于filter算子的简单实现分流其实根据条件筛选数据的需求，本身非常容易实现：只要针对同一条流多次独立调用.filter()方法进行筛选，就可以得到拆分之后的流了。案例需求：读取一个整数数字流，将数据流划分为奇数流和偶数流。packagecom.flink.DataStream.SplitStream;importorg.apache.flink.api.common.functions.FilterFunction;

使用场景：表值聚合函数即UDTAF，这个函数⽬前只能在TableAPI中使⽤，不能在SQLAPI中使⽤。函数功能：在SQL表达式中，如果想对数据先分组再进⾏聚合取值：selectmax(xxx)fromsource_tablegroupbykey1,key2上⾯SQL的max语义产出只有⼀条最终结果，如果想取聚合结果最⼤的n条数据，并且n条数据，每⼀条都要输出⼀次结果数据，上⾯的SQL就没有办法实现了。所以UDTAF为了处理这种场景，可以⾃定义怎么取，取多少条最终的聚合结果，UDTAF和UDAF是类似的。案例场景：有⼀个饮料表有3列，分别是id、name和price，⼀共有5⾏，需要找到价格最

文章目录SQL表值聚合函数（TableAggregateFunction）SQL表值聚合函数（TableAggregateFunction）PythonUDTAF，即PythonTableAggregateFunction。PythonUDTAF用来针对一组数据进行聚合运算，比如同一个window下的多条数据、或者同一个key下的多条数据等，与PythonUDAF不同的是，针对同一组输入数据，PythonUDTAF可以产生0条、1条、甚至多条输出数据。以下示例，定义了一个名字为Top2的PythonUDTAF：frompyflink.commonimportRowfrompyflink.tab