更多活动现场照片：https://live.photoplus.cn/live/pc/53265145/#/
7 月 29 日 Streaming Lakehouse Meetup 邀请了来自阿里巴巴、字节跳动的七位技术专家，围绕 CDC 数据入湖实践、Flink 一站式湖仓一体构建、流式数据湖关键特性以及统一的 RSS 等，全方位解析 Streaming Lakehouse 最前沿的技术，最新的产业实践！Flink、Paimon、Celeborn、Flink CDC、StarRocks 多个开源项目汇聚在一起，与现场的百余位开发者展开交流。
活动视频回顾 & PPT 获取
PC 端
建议前往 Apache Flink 学习网：
https://flink-learning.org.cn/activity/detail/69d2ec07bc2f664d000a954f49ed33aa
视频回顾：
https://developer.aliyun.com/live/252125
移动端
视频回顾/PPT 下载：关注 Apache Flink 公众号，回复 0729
线上问题解答
问：湖仓一体架构和 MPP 架构有什么区别？
答疑：最大的区别就是数据湖保存了所有数据，具有查询的灵活性。而 MPP 架构由于需要极高的查询性能，它的存储成本较昂贵，不能保存所有数据。
问：对象存储下，如何平衡小文件、高性能 CDC 写入速度和下游尽可能实时流读表三个诉求？Paimon 表的参数要怎么调整?
答疑：Paimon 会自动合并小文件。如果你在意文件系统上小文件你可以调小 Snapshot retain。 https://paimon.apache.org/docs/master/maintenance/manage-files/ https://paimon.apache.org/docs/master/maintenance/write-performance/
问：存储底层查询效率可以用类似于 Alluio 加速吗？
答疑：可以对接 Alluio 来加速，Paimon本身不做文件的缓存，但是下面使用的文件系统可以是缓存的文件系统。
问：Flink CDC 的调参有哪些好的建议？
答疑：可以看下 Flink CDC github wiki 里的一些文章，一些最佳实践文章有介绍。
问：Tag 能在数据链路上所有 Paimon 表上同时打吗？
答疑：目前不能，是单独对每个表打的。 你可以通过 watermark 来完成类似的事情。 https://paimon.apache.org/docs/master/maintenance/manage-tags/#automatic-creation https://paimon.apache.org/docs/master/how-to/querying-tables/#consumer-id
问：对于替代消息队列，如果要求秒级查询，Paimon 如何能够做到？
答疑：不行哦，目前只能是 1 分钟左右的时延，社区后续有计划搞 embedded queue 来支持秒级。
问：Flink 怎么实现增量开窗？
答疑：不太明确增量开窗的具体含义，Flink SQL 有三种聚合，over window、window agg、普通 group by，我们一般推荐普通 group by + state TTL。
问：Flink CDC 什么时候会支持阿里云 Hologres?
答疑：Hologres 不是开源产品，这块 SDK 社区同学都不太熟悉，目前 Hologres 没有小伙伴来社区贡献，所以短期不会支持。
问：Checkpoint 丢失后如何防止从新处理化处理大表重算？
答疑：Checkpoint 丢失后对所有Flink作业来说都需要无状态重做，可以保留最近几天的 Checkpoint，这样恢复时从最近某天的一个 Checkpoint 恢复，代价不会很大，也不会重新读取大表。
问：Paimon 替代消息队列其延迟时长跟 Snapshot 产生周期一样么？
答疑：对
问：Flink CDC 全量和增量并行度要如何独立设置？
答疑：目前只需要设置全量阶段的并发，进入增量后，可以修改下 CDC Source 并发，然后从最近的 Checkpoint 重启下作业就可以。2.4.1 版本之后，全量阶段的资源可以自动释放，所以全量进入增量后，不把并发改下资源也可以在一定程度上回收。
问：请教 Oracle CDC，Oracle 归档日志爆满，可以怎么解决？
答疑：需要判断下归档的日志是不是下游消费慢，可以调节下游作业让消费跟上，另外如果可以确认下游作业不再使用，可以清理掉归档日志。
问：请教一下老师，Flink CDC 直接进行聚合，比如 sum 的值在删除的时候会将 sum 的值减掉吗？
答疑：会的，Flink CDC 吐出的 CDC 数据和 Flink SQL 里的 Changelog 是严格对应的，所以Flink SQL 的聚合是会回撤掉你 db 中的删除条目对应的值。
问：下游小时任务需要等待 Flink 某小时数据全部到达后再执行，有什么好的方法监控前一个的小时数据全部到达？
答疑：这个需要自己做下二次开发，在 Sink 里做下埋点，判断满足条件后调用自定义逻辑（通知下游调度系统）。
更多
进入社区交流钉钉群：搜索群号⬇️，参与讨论技术并得到实时的支持。
Apache Paimon 交流群：10880001919
Flink CDC 钉钉交流群：33121212
Flink Batch 钉钉交流群：34817520
Celeborn 钉钉用户群：41594456
更多内容
活动推荐
阿里云基于 Apache Flink 构建的企业级产品-实时计算 Flink 版现开启活动：
0 元试用 实时计算 Flink 版（5000CU*小时，3 个月内）
了解活动详情：https://free.aliyun.com/?pipCode=sc
