Flink sql 主动使数据延时一段时间有什么方案

[admin]

Hi，all
我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
FLink sql有什么方案实现吗？

感谢您的回复

[admin]

补充一下：明确的说是维表的join，A表关联B表（维表），想让A表延迟一会再关联B表

> 2020年7月3日 下午5:53，admin <[hidden email]> 写道：
>
> Hi，all
> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
> FLink sql有什么方案实现吗？
>
> 感谢您的回复

[kcz]

设置一个窗口时间，如果有需要取最新的，可以再做一下处理。





------------------ 原始邮件 ------------------
发件人: admin <[hidden email]&gt;
发送时间: 2020年7月3日 18:01
收件人: user-zh <[hidden email]&gt;
主题: 回复：Flink sql 主动使数据延时一段时间有什么方案



补充一下：明确的说是维表的join，A表关联B表（维表），想让A表延迟一会再关联B表

&gt; 2020年7月3日 下午5:53，admin <[hidden email]&gt; 写道：
&gt;
&gt; Hi，all
&gt; 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
&gt; FLink sql有什么方案实现吗？
&gt;
&gt; 感谢您的回复

[admin]

窗口得用group by，字段会丢失
在2020年07月03日 19:11，kcz 写道：
设置一个窗口时间，如果有需要取最新的，可以再做一下处理。





------------------ 原始邮件 ------------------
发件人: admin <[hidden email]&gt;
发送时间: 2020年7月3日 18:01
收件人: user-zh <[hidden email]&gt;
主题: 回复：Flink sql 主动使数据延时一段时间有什么方案



补充一下：明确的说是维表的join，A表关联B表（维表），想让A表延迟一会再关联B表

&gt; 2020年7月3日 下午5:53，admin <[hidden email]&gt; 写道：
&gt;
&gt; Hi，all
&gt; 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
&gt; FLink sql有什么方案实现吗？
&gt;
&gt; 感谢您的回复

[Benchao Li-2]

我们也遇到过类似场景。
如果你的数据里面有事件时间，可以写个udf来判断下，如果事件时间-当前时间 小于某个阈值，可以sleep一下。
如果没有事件时间，那就不太好直接搞了，我们是自己搞了一个延迟维表，就是保证每条数据进到维表join算子后等固定时间后再去join。

admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：

> Hi，all
> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
> FLink sql有什么方案实现吗？
>
> 感谢您的回复



--

Best,
Benchao Li

[Benchao Li-2]

还有一种很有意思的思路。
如果你不考虑数据是否会有乱序，而且保证维表中一定能join到结果，那就可以正常join，如果join不到，就把这条数据再发送到source的topic里，实现了一种类似于for循环的能力。。

admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：

> Hi，all
> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
> FLink sql有什么方案实现吗？
>
> 感谢您的回复



--

Best,
Benchao Li

[Benchao Li-2]

奥，对，还有一种思路。如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了。

admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：

> Hi，all
> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
> FLink sql有什么方案实现吗？
>
> 感谢您的回复



--

Best,
Benchao Li

[forideal]

Hi




刚刚本超说了四种方法，

方法1.使用udf，查不到 sleep 等一下在查

方法2.在 join operator处数据等一会再去查

方法3.如果没有 join 上，就把数据发到source，循环join。

方法4.如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了




上述方法应该都能实现相同的效果。




我们也实现了一种方法。这种方法是扩展了下 Flink 的 Source。比如在 kafka connector 中加了一个 time.wait 的属性，当用户设置了这个属性，就让source 的数据等一会儿发到下游。起到等一会的效果。




Best forideal

















在 2020-07-03 23:05:06，"Benchao Li" <[hidden email]> 写道：

>奥，对，还有一种思路。如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了。
>
>admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：
>
>> Hi，all
>> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
>> FLink sql有什么方案实现吗？
>>
>> 感谢您的回复
>
>
>
>--
>
>Best,
>Benchao Li

[admin]

感谢benchao和forideal的方案，
方法1.使用udf，查不到 sleep 等一下在查
--这个可以尝试
方法2.在 join operator处数据等一会再去查
—我们使用的是flink sql，不是streaming，所以该方案可能行不通
方法3.如果没有 join 上，就把数据发到source，循环join。
--我们这个维表join的场景类似filter的功能，如果关联上则主流数据就不处理了，所以不一定非要join上，只是想延迟一会提升准确率
方法4.如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了
—我们的source是kafka，好像不支持kafka的功能
方法5.扩展了下 Flink 的 Source。比如在 kafka connector 中加了一个 time.wait 的属性，当用户设置了这个属性，就让source 的数据等一会儿发到下游。起到等一会的效果。
--这个方案需要修改源码，也可以试一下


Best
Sun.Zhu
| |
Sun.Zhu
|
|
[hidden email]
|
签名由网易邮箱大师定制


在2020年07月3日 23:26，forideal<[hidden email]> 写道：
Hi




刚刚本超说了四种方法，

方法1.使用udf，查不到 sleep 等一下在查

方法2.在 join operator处数据等一会再去查

方法3.如果没有 join 上，就把数据发到source，循环join。

方法4.如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了




上述方法应该都能实现相同的效果。




我们也实现了一种方法。这种方法是扩展了下 Flink 的 Source。比如在 kafka connector 中加了一个 time.wait 的属性，当用户设置了这个属性，就让source 的数据等一会儿发到下游。起到等一会的效果。




Best forideal

















在 2020-07-03 23:05:06，"Benchao Li" <[hidden email]> 写道：
奥，对，还有一种思路。如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了。

admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：

Hi，all
我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
FLink sql有什么方案实现吗？

感谢您的回复



--

Best,
Benchao Li

[shizk233]

Hi Sun ZHu,

关于方法4，我记得kafka有时间轮功能，可以做到延迟消息的，可以了解一下。

Best,
shizk233

Sun.Zhu <[hidden email]> 于2020年7月4日周六 上午12:23写道：

> 感谢benchao和forideal的方案，
> 方法1.使用udf，查不到 sleep 等一下在查
> --这个可以尝试
> 方法2.在 join operator处数据等一会再去查
> —我们使用的是flink sql，不是streaming，所以该方案可能行不通
> 方法3.如果没有 join 上，就把数据发到source，循环join。
> --我们这个维表join的场景类似filter的功能，如果关联上则主流数据就不处理了，所以不一定非要join上，只是想延迟一会提升准确率
> 方法4.如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了
> —我们的source是kafka，好像不支持kafka的功能
> 方法5.扩展了下 Flink 的 Source。比如在 kafka connector 中加了一个 time.wait
> 的属性，当用户设置了这个属性，就让source 的数据等一会儿发到下游。起到等一会的效果。
> --这个方案需要修改源码，也可以试一下
>
>
> Best
> Sun.Zhu
> | |
> Sun.Zhu
> |
> |
> [hidden email]
> |
> 签名由网易邮箱大师定制
>
>
> 在2020年07月3日 23:26，forideal<[hidden email]> 写道：
> Hi
>
>
>
>
> 刚刚本超说了四种方法，
>
> 方法1.使用udf，查不到 sleep 等一下在查
>
> 方法2.在 join operator处数据等一会再去查
>
> 方法3.如果没有 join 上，就把数据发到source，循环join。
>
> 方法4.如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了
>
>
>
>
> 上述方法应该都能实现相同的效果。
>
>
>
>
> 我们也实现了一种方法。这种方法是扩展了下 Flink 的 Source。比如在 kafka connector 中加了一个 time.wait
> 的属性，当用户设置了这个属性，就让source 的数据等一会儿发到下游。起到等一会的效果。
>
>
>
>
> Best forideal
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
> 在 2020-07-03 23:05:06，"Benchao Li" <[hidden email]> 写道：
> 奥，对，还有一种思路。如果你的source的mq支持延迟消息，这个应该就不需要Flink做什么了，直接用mq的延迟消息就可以了。
>
> admin <[hidden email]> 于2020年7月3日周五 下午5:54写道：
>
> Hi，all
> 我们有这样一个场景，双流join，一个快流，一个慢流，想让快流等一段时间，目的是能提高join的命中率。
> FLink sql有什么方案实现吗？
>
> 感谢您的回复
>
>
>
> --
>
> Best,
> Benchao Li
>