一个关于实时合并数据的问题
想请教各位一个问题：目前有一个这样的需求：
数据流40W/s,数据有id，time，type....等字段，id有10亿个，现在想30分钟内，同一个id的信息只保存一条，时间的话要用事件的事件，不能用处理的时间 本人现在的思路是：根据id分组，然后做增量ck，状态信息存储每个id的最后的时间，然后每来一条数据会读取状态信息，然后做时间判断。但是发现这样做背压很高，数据消费很慢 请问各位，我这种思路是否可行？根据id分组会产生10亿个分组，这样会影响什么？还有其他更好的方法么？
谢谢各位解答疑惑！*来自志愿者整理的flink邮件归档
展开
收起
1
条回答
写回答
写回答
-
根据 id 去重并不意味着根据 id 做 keyby 分组，比如可以将 id 做个 mod 分成若干有限组，然后在 processFunction 中 MapState 存储 <id, 1> 进行去重处理
*来自志愿者整理的flink邮件归档
2021-12-06 13:28:18赞同 展开评论 打赏
问答分类：
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
