flink做大屏统计，要求秒级，请问怎么做呢？不断更新DB，性能上不会出现问题吗？

如果您需要在 Flink 中实现秒级的大屏统计，可以考虑使用 Flink 的 Window 算子，配合 Flink 的时间特性和状态管理机制来实现。具体来说，您可以将输入数据按照时间窗口划分，然后在窗口内进行聚合操作，最后输出聚合结果。
在使用 Flink 实现秒级大屏统计时，需要注意以下几点：
使用 EventTime：
为了实现准确的时间窗口划分，您需要使用 Flink 的 EventTime 特性。EventTime 可以从数据中提取出事件的时间信息，并根据这些时间信息来进行时间窗口划分。在使用 EventTime 时，需要注意设置正确的时间水印生成策略，以保证时间窗口的正确性。
使用合适的窗口类型：
在 Flink 中，有多种类型的窗口可供选择，例如滚动窗口、滑动窗口和会话窗口等。您需要根据实际情况选择合适的窗口类型。如果您需要实现秒级统计，可以考虑使用滑动窗口，并根据数据流的速率和数据处理的需求来设置窗口大小和滑动间隔。
使用合适的状态后端：
在 Flink 中，状态是保存在状态后端中的。不同的状态后端具有不同的性能特点和适用场景。如果您需要实现秒级统计，需要使用高效可靠的状态后端，例如 RocksDB 状态后端。
数据库更新性能问题：
如果您需要从数据库中读取数据，并实时更新统计结果，可能会遇到数据库更新性能的问题。为了避免这个问题，可以考虑使用缓存技术，将数据缓存在内存中，并定时将缓存中的数据更新到数据库中。

要在 Flink 中实现秒级的大屏统计，并不断更新数据库，可以考虑以下几点：

1. 使用合适的时间窗口：根据您的业务需求，选择合适的时间窗口来进行数据计算和聚合。使用滚动窗口、滑动窗口或会话窗口等窗口操作，可以对指定时间范围内的数据进行统计分析。

2. 调整并行度和资源配置：确保 Flink 作业的并行度和集群资源能够满足实时计算的需求。根据数据量和计算复杂性的情况，适当调整并行度和任务槽的配置，提高作业的处理能力。

3. 使用状态后端：Flink 提供了多种状态后端选项，如 RocksDB、HDFS 等。选择合适的状态后端，能够提供高效的状态管理和读写性能，有助于实现秒级的大屏统计。

4. 预聚合和缓冲机制：如果数据量非常大，可以考虑使用预聚合和缓冲机制来减少计算量。通过将部分计算提前进行预聚合，并设置合理的缓冲策略，能够降低计算负载并提高性能。

5. 数据库优化：根据实际情况，对目标数据库进行性能优化。包括合理的索引设计、数据库连接池的配置、硬件资源的调整等，以确保数据库能够处理高并发和大数据量的更新请求。

6. 压测和性能调优：在实际部署之前，进行充分的压力测试并监控性能指标，找出潜在的瓶颈，进行性能调优。

请注意，秒级的大屏统计在一些场景下可能需要更高的计算和存储能力，具体效果取决于数据量、业务逻辑和集群规模等多个因素。因此，在实现过程中需要根据实际情况进行实验和调整，并选择合适的技术方案来满足性能要求。