关于Flink SQL DISTINCT问题

[lvwenyuan]

各位大佬好：
       我想问下，关于flink sql的实时去重，就是count(distinct user_id) 。就是Flink内部是如何做到实时去重，如果对于数据量比较大的时候实时去重，是否会有性能问题。用的Blink Planner

在窗口内去重吧，不可能无限保留去重数据的



[hidden email]
 
发件人： lvwenyuan
发送时间： 2019-09-04 14:28
收件人： user-zh
主题： 关于Flink SQL DISTINCT问题
各位大佬好：
       我想问下，关于flink sql的实时去重，就是count(distinct user_id) 。就是Flink内部是如何做到实时去重，如果对于数据量比较大的时候实时去重，是否会有性能问题。用的Blink Planner

[lvwenyuan]

对，肯定是按照窗口去重的。我就想问下，窗口去重时，所采用的方式
在 2019-09-04 14:38:29，"[hidden email]" <[hidden email]> 写道：

>在窗口内去重吧，不可能无限保留去重数据的
>
>
>
>[hidden email]
>
>发件人： lvwenyuan
>发送时间： 2019-09-04 14:28
>收件人： user-zh
>主题： 关于Flink SQL DISTINCT问题
>各位大佬好：
>       我想问下，关于flink sql的实时去重，就是count(distinct user_id) 。就是Flink内部是如何做到实时去重，如果对于数据量比较大的时候实时去重，是否会有性能问题。用的Blink Planner

[JingsongLee]

一般是按时间(比如天)来group by，state配置了超时过期的时间。
基本的去重方式就是靠state(比如RocksDbState)。
有mini-batch来减少对state的访问。

如果有倾斜，那是解倾斜问题的话题了。

Best,
Jingsong Lee


------------------------------------------------------------------
From:lvwenyuan <[hidden email]>
Send Time:2019年9月4日(星期三) 15:11
To:user-zh <[hidden email]>
Subject:Re:回复: 关于Flink SQL DISTINCT问题

对，肯定是按照窗口去重的。我就想问下，窗口去重时，所采用的方式
在 2019-09-04 14:38:29，"[hidden email]" <[hidden email]> 写道：

>在窗口内去重吧，不可能无限保留去重数据的
>
>
>
>[hidden email]
>
>发件人： lvwenyuan
>发送时间： 2019-09-04 14:28
>收件人： user-zh
>主题： 关于Flink SQL DISTINCT问题
>各位大佬好：
>       我想问下，关于flink sql的实时去重，就是count(distinct user_id) 。就是Flink内部是如何做到实时去重，如果对于数据量比较大的时候实时去重，是否会有性能问题。用的Blink Planner

[LakeShen]

是否可以使用 空闲状态 Retention Time 来设置

JingsongLee <[hidden email]> 于2019年9月4日周三 下午6:12写道：

>  一般是按时间(比如天)来group by，state配置了超时过期的时间。
> 基本的去重方式就是靠state(比如RocksDbState)。
>  有mini-batch来减少 对state的访问。
>
> 如果有倾斜，那是解倾斜问题的话题了。
>
> Best,
> Jingsong Lee
>
>
> ------------------------------------------------------------------
> From:lvwenyuan <[hidden email]>
> Send Time:2019年9月4日(星期三) 15:11
> To:user-zh <[hidden email]>
> Subject:Re:回复: 关于Flink SQL DISTINCT问题
>
> 对，肯定是按照窗口去重的。我就想问下，窗口去重时，所采用的方式
> 在 2019-09-04 14:38:29，"[hidden email]" <[hidden email]> 写道：
> >在窗口内去重吧，不可能无限保留去重数据的
> >
> >
> >
> >[hidden email]
> >
> >发件人： lvwenyuan
> >发送时间： 2019-09-04 14:28
> >收件人： user-zh
> >主题： 关于Flink SQL DISTINCT问题
> >各位大佬好：
> >       我想问下，关于flink sql的实时去重，就是count(distinct user_id)
> 。就是Flink内部是如何做到实时去重，如果对于数据量比较大的时候实时去重，是否会有性能问题。用的Blink Planner
>