structure streaming 使用小结2-正确率

背景，使用structure streaming 实现类似关系型数据库的update操作。

测试方法：分别采用append和update模式进行，选定一个主键rowkey，进行value的数据更新操作，通过seleep控制数据产生的速度。

通过控制台显示数据，当数据产生速度在间隔1s以上时，数据顺序正确，可以正常显示。当产生速度在800ms以下时，数据会产生顺序错乱。

业务描述，统计卖票钱数，数据来源是更新的（ogg同步的oracle的累计表），当一秒内卖出多张票，kafka会接受到多条数据，需要按照顺序进行更新，但是structure streaming会分批进行处理，导致出现大数在前，小数在后的错乱场景，造成数据错误。不具有事务性。

对于update类的实时报表，采用structure streaming进行处理有潜在风险，需要知道数据的更新频率是否大于structure streaming的处理批次间隔。还有消费历史数据时，出现错乱的机会更大。

正常顺序

 错乱顺序（间隔10ms）