Apache Flink 中文用户邮件列表

求助：FLINKSQL1.10实时统计累计UV

Classic

List

Threaded

10 messages Options

x_gothicist

求助：FLINKSQL1.10实时统计累计UV

需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
CREATE VIEW uv_per_10min AS
SELECT 
  MAX(DATE_FORMAT(proctime , 'yyyy-MM-dd HH:mm:00')) OVER w AS time_str, 
  COUNT(DISTINCT user_id) OVER w AS uv
FROM user_behavior
WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW);

想请教一下，应该如何处理？
PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
多谢

Benchao Li-2

Re: 求助：FLINKSQL1.10实时统计累计UV

Hi，
我感觉这种场景可以有两种方式，
1. 可以直接用group by + mini batch
2. window聚合 + fast emit

对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
用参数[2] 来打开。

对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
table.exec.emit.early-fire.enabled = true
table.exec.emit.early-fire.delay = 60 s

[1]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
[2]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html

x <[hidden email]> 于2020年6月17日周三上午11:14写道：

> 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> CREATE VIEW uv_per_10min AS
> SELECT 
>   MAX(DATE_FORMAT(proctime , 'yyyy-MM-dd HH:mm:00')) OVER w
> AS time_str, 
>   COUNT(DISTINCT user_id) OVER w AS uv
> FROM user_behavior
> WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> CURRENT ROW);
>
>
> 想请教一下，应该如何处理？
> PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> 多谢

Jark

Re: 求助：FLINKSQL1.10实时统计累计UV

Administrator

本超提的两个方案也是阿里内部解决这个问题最常用的方式，但是 1.10 会有 primary key 的限制，要等到 1.11 才行。
另外这两个方案在追数据时，都可能会有毛刺现象（有几分钟没有值，因为数据追太快，跳过了）。

On Wed, 17 Jun 2020 at 11:46, Benchao Li <[hidden email]> wrote:

> Hi，
> 我感觉这种场景可以有两种方式，
> 1. 可以直接用group by + mini batch
> 2. window聚合 + fast emit
>
> 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> 用参数[2] 来打开。
>
> 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> table.exec.emit.early-fire.enabled = true
> table.exec.emit.early-fire.delay = 60 s
>
> [1]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> [2]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
>
> x <[hidden email]> 于2020年6月17日周三上午11:14写道：
>
> > 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> > CREATE VIEW uv_per_10min AS
> > SELECT 
> >   MAX(DATE_FORMAT(proctime , 'yyyy-MM-dd HH:mm:00')) OVER
> w
> > AS time_str, 
> >   COUNT(DISTINCT user_id) OVER w AS uv
> > FROM user_behavior
> > WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> > CURRENT ROW);
> >
> >
> > 想请教一下，应该如何处理？
> > PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> > PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> > 多谢
>

x_gothicist

回复：求助：FLINKSQL1.10实时统计累计UV

In reply to this post by Benchao Li-2

感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
sink表这个样式
tm uv
2020/06/17 13:46:00 10000
2020/06/17 13:47:00 20000
2020/06/17 13:48:00 30000

group by 日期的话，分钟如何获取

------------------ 原始邮件 ------------------
发件人: "Benchao Li"<[hidden email]>;
发送时间: 2020年6月17日(星期三) 中午11:46
收件人: "user-zh"<[hidden email]>;

主题: Re: 求助：FLINKSQL1.10实时统计累计UV

Hi，
我感觉这种场景可以有两种方式，
1. 可以直接用group by + mini batch
2. window聚合 + fast emit

对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
用参数[2] 来打开。

对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
table.exec.emit.early-fire.enabled = true
table.exec.emit.early-fire.delay = 60 s

[1]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
[2]
https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html

x <[hidden email]> 于2020年6月17日周三上午11:14写道：

> 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> CREATE VIEW uv_per_10min AS
> SELECT&nbsp;
> &nbsp; MAX(DATE_FORMAT(proctime&nbsp;, 'yyyy-MM-dd HH:mm:00'))&nbsp;OVER w
> AS time_str,&nbsp;
> &nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> FROM user_behavior
> WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> CURRENT ROW);
>
>
> 想请教一下，应该如何处理？
> PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> 多谢

Jark

Re: 求助：FLINKSQL1.10实时统计累计UV

Administrator

在 Flink 1.11 中，你可以尝试这样：

CREATE TABLE mysql (
time_str STRING,
uv BIGINT,
PRIMARY KEY (ts) NOT ENFORCED
) WITH (
'connector' = 'jdbc',
'url' = 'jdbc:mysql://localhost:3306/mydatabase',
'table-name' = 'myuv'
);

INSERT INTO mysql
SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), COUNT(DISTINCT user_id)
FROM user_behavior;

On Wed, 17 Jun 2020 at 13:49, x <[hidden email]> wrote:

> 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> sink表这个样式
> tm uv
> 2020/06/17 13:46:00 10000
> 2020/06/17 13:47:00 20000
> 2020/06/17 13:48:00 30000
>
>
> group by 日期的话，分钟如何获取
>
>
> ------------------ 原始邮件 ------------------
> 发件人: "Benchao Li"<[hidden email]>;
> 发送时间: 2020年6月17日(星期三) 中午11:46
> 收件人: "user-zh"<[hidden email]>;
>
> 主题: Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> Hi，
> 我感觉这种场景可以有两种方式，
> 1. 可以直接用group by + mini batch
> 2. window聚合 + fast emit
>
> 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> 用参数[2] 来打开。
>
> 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> table.exec.emit.early-fire.enabled = true
> table.exec.emit.early-fire.delay = 60 s
>
> [1]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> [2]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
>
> x <[hidden email]> 于2020年6月17日周三上午11:14写道：
>
> > 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> > CREATE VIEW uv_per_10min AS
> > SELECT&nbsp;
> > &nbsp; MAX(DATE_FORMAT(proctime&nbsp;, 'yyyy-MM-dd
> HH:mm:00'))&nbsp;OVER w
> > AS time_str,&nbsp;
> > &nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> > FROM user_behavior
> > WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> > CURRENT ROW);
> >
> >
> > 想请教一下，应该如何处理？
> > PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> > PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> > 多谢

x_gothicist

回复：求助：FLINKSQL1.10实时统计累计UV

明白了，十分感谢

------------------ 原始邮件 ------------------
发件人: "Jark Wu"<[hidden email]>;
发送时间: 2020年6月17日(星期三) 中午1:55
收件人: "user-zh"<[hidden email]>;

主题: Re: 求助：FLINKSQL1.10实时统计累计UV

在 Flink 1.11 中，你可以尝试这样：

CREATE TABLE mysql (
   time_str STRING,
   uv BIGINT,
   PRIMARY KEY (ts) NOT ENFORCED
) WITH (
   'connector' = 'jdbc',
   'url' = 'jdbc:mysql://localhost:3306/mydatabase',
   'table-name' = 'myuv'
);

INSERT INTO mysql
SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), COUNT(DISTINCT  user_id)
FROM user_behavior;

On Wed, 17 Jun 2020 at 13:49, x <[hidden email]> wrote:

> 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> sink表这个样式
> tm uv
> 2020/06/17 13:46:00 10000
> 2020/06/17 13:47:00 20000
> 2020/06/17 13:48:00 30000
>
>
> group by 日期的话，分钟如何获取
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人:&nbsp;"Benchao Li"<[hidden email]&gt;;
> 发送时间:&nbsp;2020年6月17日(星期三) 中午11:46
> 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
> 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> Hi，
> 我感觉这种场景可以有两种方式，
> 1. 可以直接用group by + mini batch
> 2. window聚合 + fast emit
>
> 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> 用参数[2] 来打开。
>
> 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> table.exec.emit.early-fire.enabled = true
> table.exec.emit.early-fire.delay = 60 s
>
> [1]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> [2]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
>
> x <[hidden email]&gt; 于2020年6月17日周三上午11:14写道：
>
> &gt; 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> &gt; CREATE VIEW uv_per_10min AS
> &gt; SELECT&amp;nbsp;
> &gt; &amp;nbsp; MAX(DATE_FORMAT(proctime&amp;nbsp;, 'yyyy-MM-dd
> HH:mm:00'))&amp;nbsp;OVER w
> &gt; AS time_str,&amp;nbsp;
> &gt; &amp;nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> &gt; FROM user_behavior
> &gt; WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> &gt; CURRENT ROW);
> &gt;
> &gt;
> &gt; 想请教一下，应该如何处理？
> &gt; PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> &gt; PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> &gt; 多谢

x_gothicist

回复：求助：FLINKSQL1.10实时统计累计UV

In reply to this post by Jark

如果是1.10的话，我通过表转流,再转表的方式实现了，您看合理吗?
val resTmpTab: Table = tabEnv.sqlQuery(
"""
SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')) time_str,COUNT(DISTINCT userkey) uv
FROM user_behavior GROUP BY DATE_FORMAT(ts, 'yyyy-MM-dd') """)

val resTmpStream=tabEnv.toRetractStream[(String,Long)](resTmpTab)
.filter(line=>line._1==true).map(line=>line._2)

val res= tabEnv.fromDataStream(resTmpStream)
tabEnv.sqlUpdate(
s"""
INSERT INTO rt_totaluv
SELECT _1,MAX(_2)
FROM $res
GROUP BY _1
""")

------------------ 原始邮件 ------------------
发件人: "Jark Wu"<[hidden email]>;
发送时间: 2020年6月17日(星期三) 中午1:55
收件人: "user-zh"<[hidden email]>;

主题: Re: 求助：FLINKSQL1.10实时统计累计UV

在 Flink 1.11 中，你可以尝试这样：

CREATE TABLE mysql (
   time_str STRING,
   uv BIGINT,
   PRIMARY KEY (ts) NOT ENFORCED
) WITH (
   'connector' = 'jdbc',
   'url' = 'jdbc:mysql://localhost:3306/mydatabase',
   'table-name' = 'myuv'
);

INSERT INTO mysql
SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), COUNT(DISTINCT  user_id)
FROM user_behavior;

On Wed, 17 Jun 2020 at 13:49, x <[hidden email]> wrote:

> 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> sink表这个样式
> tm uv
> 2020/06/17 13:46:00 10000
> 2020/06/17 13:47:00 20000
> 2020/06/17 13:48:00 30000
>
>
> group by 日期的话，分钟如何获取
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人:&nbsp;"Benchao Li"<[hidden email]&gt;;
> 发送时间:&nbsp;2020年6月17日(星期三) 中午11:46
> 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
> 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> Hi，
> 我感觉这种场景可以有两种方式，
> 1. 可以直接用group by + mini batch
> 2. window聚合 + fast emit
>
> 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> 用参数[2] 来打开。
>
> 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> table.exec.emit.early-fire.enabled = true
> table.exec.emit.early-fire.delay = 60 s
>
> [1]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> [2]
>
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
>
> x <[hidden email]&gt; 于2020年6月17日周三上午11:14写道：
>
> &gt; 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> &gt; CREATE VIEW uv_per_10min AS
> &gt; SELECT&amp;nbsp;
> &gt; &amp;nbsp; MAX(DATE_FORMAT(proctime&amp;nbsp;, 'yyyy-MM-dd
> HH:mm:00'))&amp;nbsp;OVER w
> &gt; AS time_str,&amp;nbsp;
> &gt; &amp;nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> &gt; FROM user_behavior
> &gt; WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED PRECEDING AND
> &gt; CURRENT ROW);
> &gt;
> &gt;
> &gt; 想请教一下，应该如何处理？
> &gt; PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') 这样可以吗，另外状态应该如何清理？
> &gt; PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> &gt; 多谢

Jark

Re: 求助：FLINKSQL1.10实时统计累计UV

Administrator

是的，我觉得这样子是能绕过的。

On Thu, 18 Jun 2020 at 10:34, x <[hidden email]> wrote:

> 如果是1.10的话，我通过表转流,再转表的方式实现了，您看合理吗?
> val resTmpTab: Table = tabEnv.sqlQuery(
> """
> SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00'))
> time_str,COUNT(DISTINCT userkey) uv
> FROM user_behavior GROUP BY DATE_FORMAT(ts, 'yyyy-MM-dd') """)
>
> val resTmpStream=tabEnv.toRetractStream[(String,Long)](resTmpTab)
> .filter(line=>line._1==true).map(line=>line._2)
>
> val res= tabEnv.fromDataStream(resTmpStream)
> tabEnv.sqlUpdate(
> s"""
> INSERT INTO rt_totaluv
> SELECT _1,MAX(_2)
> FROM $res
> GROUP BY _1
> """)
>
>
> ------------------ 原始邮件 ------------------
> 发件人: "Jark Wu"<[hidden email]>;
> 发送时间: 2020年6月17日(星期三) 中午1:55
> 收件人: "user-zh"<[hidden email]>;
>
> 主题: Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> 在 Flink 1.11 中，你可以尝试这样：
>
> CREATE TABLE mysql (
>    time_str STRING,
>    uv BIGINT,
>    PRIMARY KEY (ts) NOT ENFORCED
> ) WITH (
>    'connector' = 'jdbc',
>    'url' = 'jdbc:mysql://localhost:3306/mydatabase',
>    'table-name' = 'myuv'
> );
>
> INSERT INTO mysql
> SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), COUNT(DISTINCT 
> user_id)
> FROM user_behavior;
>
> On Wed, 17 Jun 2020 at 13:49, x <[hidden email]> wrote:
>
> > 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> > sink表这个样式
> > tm uv
> > 2020/06/17 13:46:00 10000
> > 2020/06/17 13:47:00 20000
> > 2020/06/17 13:48:00 30000
> >
> >
> > group by 日期的话，分钟如何获取
> >
> >
> > ------------------&nbsp;原始邮件&nbsp;------------------
> > 发件人:&nbsp;"Benchao Li"<[hidden email]&gt;;
> > 发送时间:&nbsp;2020年6月17日(星期三) 中午11:46
> > 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
> >
> > 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
> >
> >
> >
> > Hi，
> > 我感觉这种场景可以有两种方式，
> > 1. 可以直接用group by + mini batch
> > 2. window聚合 + fast emit
> >
> > 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> > 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> > 用参数[2] 来打开。
> >
> > 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> > fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> > table.exec.emit.early-fire.enabled = true
> > table.exec.emit.early-fire.delay = 60 s
> >
> > [1]
> >
> >
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> > [2]
> >
> >
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
> >
> > x <[hidden email]&gt; 于2020年6月17日周三上午11:14写道：
> >
> > &gt; 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> > &gt; CREATE VIEW uv_per_10min AS
> > &gt; SELECT&amp;nbsp;
> > &gt; &amp;nbsp; MAX(DATE_FORMAT(proctime&amp;nbsp;,
> 'yyyy-MM-dd
> > HH:mm:00'))&amp;nbsp;OVER w
> > &gt; AS time_str,&amp;nbsp;
> > &gt; &amp;nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> > &gt; FROM user_behavior
> > &gt; WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED
> PRECEDING AND
> > &gt; CURRENT ROW);
> > &gt;
> > &gt;
> > &gt; 想请教一下，应该如何处理？
> > &gt; PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd')
> 这样可以吗，另外状态应该如何清理？
> > &gt; PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> > &gt; 多谢

x_gothicist

回复：求助：FLINKSQL1.10实时统计累计UV

您好，我程序运行一段时间后，发现checkpoint文件总在增长，应该是状态没有过期，
我配置了tableConfig.setIdleStateRetentionTime(Time.minutes(2),Time.minutes(7)),按理说，日期是前一天的key对应的状态会在第二天过期的。

------------------ 原始邮件 ------------------
发件人: "Jark Wu"<[hidden email]>;
发送时间: 2020年6月18日(星期四) 中午12:16
收件人: "user-zh"<[hidden email]>;

主题: Re: 求助：FLINKSQL1.10实时统计累计UV

是的，我觉得这样子是能绕过的。

On Thu, 18 Jun 2020 at 10:34, x <[hidden email]> wrote:

> 如果是1.10的话，我通过表转流,再转表的方式实现了，您看合理吗?
> val resTmpTab: Table = tabEnv.sqlQuery(
>   """
>     SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00'))
> time_str,COUNT(DISTINCT userkey) uv
>     FROM user_behavior    GROUP BY DATE_FORMAT(ts, 'yyyy-MM-dd')    """)
>
> val resTmpStream=tabEnv.toRetractStream[(String,Long)](resTmpTab)
>   .filter(line=&gt;line._1==true).map(line=&gt;line._2)
>
> val res= tabEnv.fromDataStream(resTmpStream)
> tabEnv.sqlUpdate(
>   s"""
>     INSERT INTO rt_totaluv
>     SELECT _1,MAX(_2)
>     FROM $res
>     GROUP BY _1
>     """)
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人:&nbsp;"Jark Wu"<[hidden email]&gt;;
> 发送时间:&nbsp;2020年6月17日(星期三) 中午1:55
> 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
>
> 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> 在 Flink 1.11 中，你可以尝试这样：
>
> CREATE TABLE mysql (
> &nbsp;&nbsp; time_str STRING,
> &nbsp;&nbsp; uv BIGINT,
> &nbsp;&nbsp; PRIMARY KEY (ts) NOT ENFORCED
> ) WITH (
> &nbsp;&nbsp; 'connector' = 'jdbc',
> &nbsp;&nbsp; 'url' = 'jdbc:mysql://localhost:3306/mydatabase',
> &nbsp;&nbsp; 'table-name' = 'myuv'
> );
>
> INSERT INTO mysql
> SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), COUNT(DISTINCT&nbsp;
> user_id)
> FROM user_behavior;
>
> On Wed, 17 Jun 2020 at 13:49, x <[hidden email]&gt; wrote:
>
> &gt; 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> &gt; sink表这个样式
> &gt; tm uv
> &gt; 2020/06/17 13:46:00 10000
> &gt; 2020/06/17 13:47:00 20000
> &gt; 2020/06/17 13:48:00 30000
> &gt;
> &gt;
> &gt; group by 日期的话，分钟如何获取
> &gt;
> &gt;
> &gt; ------------------&amp;nbsp;原始邮件&amp;nbsp;------------------
> &gt; 发件人:&amp;nbsp;"Benchao Li"<[hidden email]&amp;gt;;
> &gt; 发送时间:&amp;nbsp;2020年6月17日(星期三) 中午11:46
> &gt; 收件人:&amp;nbsp;"user-zh"<[hidden email]&amp;gt;;
> &gt;
> &gt; 主题:&amp;nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
> &gt;
> &gt;
> &gt;
> &gt; Hi，
> &gt; 我感觉这种场景可以有两种方式，
> &gt; 1. 可以直接用group by + mini batch
> &gt; 2. window聚合 + fast emit
> &gt;
> &gt; 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, 'yyyy-MM-dd')。
> &gt; 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini batch的开启也需要
> &gt; 用参数[2] 来打开。
> &gt;
> &gt; 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> &gt; fast emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> &gt; table.exec.emit.early-fire.enabled = true
> &gt; table.exec.emit.early-fire.delay = 60 s
> &gt;
> &gt; [1]
> &gt;
> &gt;
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> &gt; [2]
> &gt;
> &gt;
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
> &gt;
> &gt; x <[hidden email]&amp;gt; 于2020年6月17日周三上午11:14写道：
> &gt;
> &gt; &amp;gt; 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> &gt; &amp;gt; CREATE VIEW uv_per_10min AS
> &gt; &amp;gt; SELECT&amp;amp;nbsp;
> &gt; &amp;gt; &amp;amp;nbsp; MAX(DATE_FORMAT(proctime&amp;amp;nbsp;,
> 'yyyy-MM-dd
> &gt; HH:mm:00'))&amp;amp;nbsp;OVER w
> &gt; &amp;gt; AS time_str,&amp;amp;nbsp;
> &gt; &amp;gt; &amp;amp;nbsp; COUNT(DISTINCT user_id) OVER w AS uv
> &gt; &amp;gt; FROM user_behavior
> &gt; &amp;gt; WINDOW w AS (ORDER BY proctime ROWS BETWEEN UNBOUNDED
> PRECEDING AND
> &gt; &amp;gt; CURRENT ROW);
> &gt; &amp;gt;
> &gt; &amp;gt;
> &gt; &amp;gt; 想请教一下，应该如何处理？
> &gt; &amp;gt; PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd')
> 这样可以吗，另外状态应该如何清理？
> &gt; &amp;gt; PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> &gt; &amp;gt; 多谢

Benchao Li-2

Re: 求助：FLINKSQL1.10实时统计累计UV

你用的是哪个版本？之前是存在一个类似问题的[1]，是在window里面做count distinct会有这个问题，
这个已经在1.11中修复了。

[1] https://issues.apache.org/jira/browse/FLINK-17942

x <[hidden email]> 于2020年7月3日周五下午4:34写道：

> 您好，我程序运行一段时间后，发现checkpoint文件总在增长，应该是状态没有过期，
>
> 我配置了tableConfig.setIdleStateRetentionTime(Time.minutes(2),Time.minutes(7)),按理说，日期是前一天的key对应的状态会在第二天过期的。
>
>
>
>
> ------------------ 原始邮件 ------------------
> 发件人: "Jark Wu"<[hidden email]>;
> 发送时间: 2020年6月18日(星期四) 中午12:16
> 收件人: "user-zh"<[hidden email]>;
>
> 主题: Re: 求助：FLINKSQL1.10实时统计累计UV
>
>
>
> 是的，我觉得这样子是能绕过的。
>
> On Thu, 18 Jun 2020 at 10:34, x <[hidden email]> wrote:
>
> > 如果是1.10的话，我通过表转流,再转表的方式实现了，您看合理吗?
> > val resTmpTab: Table = tabEnv.sqlQuery(
> >   """
> >     SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd
> HH:mm:00'))
> > time_str,COUNT(DISTINCT userkey) uv
> >     FROM user_behavior    GROUP BY
> DATE_FORMAT(ts, 'yyyy-MM-dd')    """)
> >
> > val resTmpStream=tabEnv.toRetractStream[(String,Long)](resTmpTab)
> >  
> .filter(line=&gt;line._1==true).map(line=&gt;line._2)
> >
> > val res= tabEnv.fromDataStream(resTmpStream)
> > tabEnv.sqlUpdate(
> >   s"""
> >     INSERT INTO rt_totaluv
> >     SELECT _1,MAX(_2)
> >     FROM $res
> >     GROUP BY _1
> >     """)
> >
> >
> > ------------------&nbsp;原始邮件&nbsp;------------------
> > 发件人:&nbsp;"Jark Wu"<[hidden email]&gt;;
> > 发送时间:&nbsp;2020年6月17日(星期三) 中午1:55
> > 收件人:&nbsp;"user-zh"<[hidden email]&gt;;
> >
> > 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
> >
> >
> >
> > 在 Flink 1.11 中，你可以尝试这样：
> >
> > CREATE TABLE mysql (
> > &nbsp;&nbsp; time_str STRING,
> > &nbsp;&nbsp; uv BIGINT,
> > &nbsp;&nbsp; PRIMARY KEY (ts) NOT ENFORCED
> > ) WITH (
> > &nbsp;&nbsp; 'connector' = 'jdbc',
> > &nbsp;&nbsp; 'url' = 'jdbc:mysql://localhost:3306/mydatabase',
> > &nbsp;&nbsp; 'table-name' = 'myuv'
> > );
> >
> > INSERT INTO mysql
> > SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')),
> COUNT(DISTINCT&nbsp;
> > user_id)
> > FROM user_behavior;
> >
> > On Wed, 17 Jun 2020 at 13:49, x <[hidden email]&gt; wrote:
> >
> > &gt; 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV，
> > &gt; sink表这个样式
> > &gt; tm uv
> > &gt; 2020/06/17 13:46:00 10000
> > &gt; 2020/06/17 13:47:00 20000
> > &gt; 2020/06/17 13:48:00 30000
> > &gt;
> > &gt;
> > &gt; group by 日期的话，分钟如何获取
> > &gt;
> > &gt;
> > &gt;
> ------------------&amp;nbsp;原始邮件&amp;nbsp;------------------
> > &gt; 发件人:&amp;nbsp;"Benchao Li"<[hidden email]
> &amp;gt;;
> > &gt; 发送时间:&amp;nbsp;2020年6月17日(星期三) 中午11:46
> > &gt; 收件人:&amp;nbsp;"user-zh"<[hidden email]
> &amp;gt;;
> > &gt;
> > &gt; 主题:&amp;nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV
> > &gt;
> > &gt;
> > &gt;
> > &gt; Hi，
> > &gt; 我感觉这种场景可以有两种方式，
> > &gt; 1. 可以直接用group by + mini batch
> > &gt; 2. window聚合 + fast emit
> > &gt;
> > &gt; 对于#1，group by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm,
> 'yyyy-MM-dd')。
> > &gt; 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] 。同时，mini
> batch的开启也需要
> > &gt; 用参数[2] 来打开。
> > &gt;
> > &gt; 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。
> > &gt; fast
> emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下：
> > &gt; table.exec.emit.early-fire.enabled = true
> > &gt; table.exec.emit.early-fire.delay = 60 s
> > &gt;
> > &gt; [1]
> > &gt;
> > &gt;
> >
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html
> > &gt; [2]
> > &gt;
> > &gt;
> >
> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html
> > &gt;
> > &gt; x <[hidden email]&amp;gt; 于2020年6月17日周三上午11:14写道：
> > &gt;
> > &gt; &amp;gt;
> 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计
> > &gt; &amp;gt; CREATE VIEW uv_per_10min AS
> > &gt; &amp;gt; SELECT&amp;amp;nbsp;
> > &gt; &amp;gt; &amp;amp;nbsp;
> MAX(DATE_FORMAT(proctime&amp;amp;nbsp;,
> > 'yyyy-MM-dd
> > &gt; HH:mm:00'))&amp;amp;nbsp;OVER w
> > &gt; &amp;gt; AS time_str,&amp;amp;nbsp;
> > &gt; &amp;gt; &amp;amp;nbsp; COUNT(DISTINCT user_id) OVER
> w AS uv
> > &gt; &amp;gt; FROM user_behavior
> > &gt; &amp;gt; WINDOW w AS (ORDER BY proctime ROWS BETWEEN
> UNBOUNDED
> > PRECEDING AND
> > &gt; &amp;gt; CURRENT ROW);
> > &gt; &amp;gt;
> > &gt; &amp;gt;
> > &gt; &amp;gt; 想请教一下，应该如何处理？
> > &gt; &amp;gt; PARTITION BY DATE_FORMAT(rowtm, 'yyyy-MM-dd')
> > 这样可以吗，另外状态应该如何清理？
> > &gt; &amp;gt; PS：1.10貌似不支持DDL貌似不支持CREATE VIEW吧
> > &gt; &amp;gt; 多谢

--

Best,
Benchao Li

求助：FLINKSQL1.10实时统计累计UV

求助：FLINKSQL1.10实时统计累计UV

Re: 求助：FLINKSQL1.10实时统计累计UV

Re: 求助：FLINKSQL1.10实时统计累计UV

回复： 求助：FLINKSQL1.10实时统计累计UV

Re: 求助：FLINKSQL1.10实时统计累计UV

回复： 求助：FLINKSQL1.10实时统计累计UV

回复： 求助：FLINKSQL1.10实时统计累计UV

Re: 求助：FLINKSQL1.10实时统计累计UV

回复： 求助：FLINKSQL1.10实时统计累计UV

Re: 求助：FLINKSQL1.10实时统计累计UV

回复：求助：FLINKSQL1.10实时统计累计UV

回复：求助：FLINKSQL1.10实时统计累计UV

回复：求助：FLINKSQL1.10实时统计累计UV

回复：求助：FLINKSQL1.10实时统计累计UV