- 博客(2)
- 收藏
- 关注
RSS订阅原创 spark去重优化
在spark的任务中，用的较多的去重方法是dataframe的distinct，笔者在测试中发现这种方法其实很次的，尤其是在大量数据的去重的过程中。 测试数据的数据结构如下，主要是userid，其他字段随意。 userid:String, column1:String 数据大小 方法一，使用dataframe的distinct去重： df.selectExpr($"userid").distinct() 这种方法是最简单而且个人认为效率是最次的，当时测试了16260037条数据，对用户id去重，其实去
2020-11-19 18:02:05
3395
6
原创 toAppendStream doesn‘t support consuming update and delete changes which is produced by node XXX
bug如下： Exception in thread "main" org.apache.flink.table.api.TableException: toAppendStream doesn't support consuming update and delete changes which is produced by node Join(joinType=[LeftOuterJoin], where=[(leftxxx = rightxxx)], select=[xxx, xxx, xxx,
2020-11-11 10:20:45
3147
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人