2020年11月_luohaifang

11月 08月 07月

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 3392 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 3146

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人