java &&和||的执行顺序与优先级 结论：&&优先级高，但却不是先计算，而是把&&左右两边的计算相当于套了个括号，看成了一个整体，再按照从左到右的顺序计算；给||打上括号，把原有&&的高优先级抹除，可以看到。b却因为&&的短路而未计算右侧两个异常除法；b因为计算了最右侧的1/0==1报错；a正在运行，结果为true；a因为计算最右侧逻辑报错；
关于--Flink的从Kafka中读取再写入Kafka如何实现的ExactlyOnce的理解 要保证我偏移量的state，保存到了statebacked中，才让这一次send中的数据真正保存到kafka也就是所有subtask的这次checkpoint都完成了，才提交事务，让数据真正写入kafka
Flink中Max和MaxBy的区别 如果使用max，除了keyBy的字段和参与比较大小的字段，如果还有其他字段，为了返回结果对齐，返回的结果的其他字段就是第一次出现的字段使用maxBy，除了keyBy的字段和参与比较大小的字段，如果还有其他字段，会返回最大值所在数据全部的数据
Flink的Transformation中KeyBy的计算逻辑的自己思考，有问题请纠正。。 使用特殊的murmurHash求得一个hash值想要将这个hash值按照我给定的分区数parallelism均匀划分，最大分区数为128当分区数大于最大分区数时，会出现有的机器永远不会有数据的情况，不管行不行都没有意义假设给定的分区数parallelism为8因为分区数肯定不能大于最大分区数128，所以用hash值摸除以128，这样得到的数不管分区数多少肯定小于128取模得到的数有128个(0-127)，想要将这128个数，平均分配到8个分区中，可以用8/128再乘以这个数，就是1/16
配置Kafka的参数auto.offset.reset时earliest和latest的区别 earliest 和 latest 在有 偏移量offset 时,效果是一样的,都会从 偏移量offset 处继续消费;当没有 偏移量offset 时, ealiest 从头消费,latest 消费新产生的数据
关注
