- 博客(1220)
- 收藏
- 关注
RSS订阅
原创 Redis:IO多路复用深度解析
多路复用快的原因在于，操作系统提供了这样的系统调用，使得原来的 while 循环里多次系统调用，变成了一次系统调用 + 内核层遍历这些文件描述符。所谓 I/O 多路复用机制，就是说通过一种机制，可以监视多个描述符，一旦某个描述符就绪（一般是读就绪或写就绪），能够通知程序进行相应的读写操作。这种机制的使用需要 select 、 poll 、 epoll 来配合。多个连接共用一个阻塞对象，应用程序只需要在一个阻塞对象上等待，无需阻塞等待所有连接。
2023-07-06 12:09:39
4582
2
原创 Spring 最佳实践：用 ObjectProvider 做可选注入，用 @Lazy 优化初始化
本文针对医院系统中常见的多院区部署和功能开关问题，提出两种Spring依赖注入优化方案。对于必选但初始化较重的组件（如医保结算SDK），建议使用@Lazy注解将初始化推迟到首次使用时；对于可选功能或存在多实现的场景（如报表导出器），推荐采用ObjectProvider实现运行时动态选择。文章通过挂号、报表和结算三个典型场景，详细对比了普通注入的错误用法与优化方案，并给出四条选择建议：必选不重用普通注入、必选重用@Lazy、可选功能用getIfAvailable()、多实现场景用stream()。这些方案能有
2026-02-27 15:53:12
637
原创 一文吃透 Redis 跳表层数：为什么是 log₄(N)，以及 Level 4 / 5 何时出现
Redis ZSet 使用跳表作为有序结构，其层数由随机晋升决定（概率p=1/4），高度期望为log₄(N)。跳表是概率性结构，各层出现与否取决于元素规模（如Level 4在256元素时概率约63%）。Redis选择1/4概率而非1/2，以较少索引节点换取内存节省，保持O(log N)查询和O(N)空间复杂度。理解跳表需明确三点：随机性、期望高度和概率性层级分布。
2026-02-26 10:25:56
581
原创 如何用 FFmpeg 处理 PCM 音频 & 判断 PCM 文件到底是什么格式
本文介绍了PCM原始音频数据的基本概念和参数分析方法。PCM是不带头信息的原始音频采样数据，关键参数包括采样率、位深和声道数。文章详细讲解了如何通过FFmpeg将MP3转换为PCM，以及如何通过文件大小推算PCM文件的位深和采样率。最后提供了实用的FFmpeg命令总结，包括格式转换和参数验证方法，帮助开发者准确识别和处理PCM音频文件。
2026-02-13 17:20:17
865
1
原创 线程池满了怎么办？用 RabbitMQ 做任务补偿不丢失
线程池拒绝任务 → 自定义拒绝策略存证 + 投递 MQMQ 消费者重新提交线程池 → 最终任务一定被执行成功。这是最常用的异步任务高可用方案。
2026-02-01 15:30:16
802
原创 Base64 编码指南：原理、场景与代码实践
Base64是一种将二进制数据编码为ASCII文本的常用方法，使用64个可打印字符（A-Z,a-z,0-9,+/）表示数据。其原理是将每3字节（24位）数据拆分为4个6位单元，每个单元对应一个Base64字符，编码后数据量增加约33%。主要应用于文本协议传输二进制数据（如API、邮件附件）、前端资源内嵌（Data URL）、JWT令牌等场景。优点是兼容性强、实现简单，但存在体积膨胀、无加密性等局限。Java等语言提供原生支持，但不适合处理大文件或敏感数据。掌握Base64对开发者处理数据兼容性问题具有重要意
2026-02-01 14:20:08
895
原创 基于 MongoDB 的视频播放进度（断点续播）实现方案
本文介绍了如何利用MongoDB实现视频播放的断点续播功能。针对视频业务中高频写入、快速查询的需求，采用MongoDB文档模型存储用户播放进度，设计了包含用户ID、视频ID、播放秒数等字段的数据模型，并建立唯一索引保证查询效率。通过upsert操作实现播放进度的更新或插入，既保证了数据一致性又提升了性能。方案还包含前端上报规则优化、写压力降低等实践建议，适用于在线视频、课程学习等需要记录播放进度的场景，具有实现简单、性能稳定、易于扩展等特点。
2026-01-31 10:24:01
890
原创 理解 Dockerfile 中的 ENV LD_LIBRARY_PATH：为什么它对容器运行至关重要
本文解释了Dockerfile中设置LD_LIBRARY_PATH环境变量的作用。该配置用于指定Linux动态链接器查找动态库(so文件)的路径顺序，特别是在Java容器应用中调用本地SDK或JNI时尤为重要。默认搜索路径不包括应用自定义路径(如/app/lib)，会导致程序报错。配置时需保留系统默认路径(/usr/lib等)以避免其他依赖库找不到的问题。文章通过实际案例说明这是确保JVM能正确加载动态库的必要配置，否则会出现"UnsatisfiedLinkError"等错误。
2026-01-30 11:28:52
705
原创 Dockerfile 的 EXPOSE 和 Docker Compose 的 ports 有什么区别？
摘要： Dockerfile中的EXPOSE仅声明容器内部服务监听的端口（如18010），属于元数据，不会自动开放端口到宿主机。而docker-compose.yml中的ports（如"18010:18010"）才是真正的端口映射，将容器端口绑定到宿主机，使外部可访问。两者区别在于：EXPOSE仅作声明，ports实现实际映射。若要让服务对外可用，必须配置ports，仅写EXPOSE无效。最佳实践是同时在Dockerfile中EXPOSE声明端口，并在Compose文件中通过ports映
2026-01-30 11:13:42
715
原创 在 Windows 上安装本地 JAR 到 Maven 仓库
摘要：本文介绍了如何将本地JAR包手动安装到Maven本地仓库。当项目依赖未发布到远程仓库的第三方JAR包（如jna.jar和自定义examples.jar）时，可通过mvn install命令实现安装。文章提供了Windows CMD（单行命令）和PowerShell（多行命令）两种安装方式，并详细说明了pom.xml中添加依赖的方法。最后还介绍了在IntelliJ IDEA中刷新Maven依赖和打包项目的操作步骤，包括通过IDEA面板和命令行两种方式完成打包。
2026-01-30 10:25:57
452
原创 深入解析 Spring Boot 容器化部署：三种方式传递环境变量给 Docker（含 docker run、.env 与 docker-compose 示例）
本文介绍了三种在Docker容器中为Spring Boot应用注入环境变量的方法：1）通过docker run -e直接传递变量，适合临时测试；2）使用.env文件配合--env-file参数，便于集中管理敏感配置；3）在docker-compose.yml中定义environment，适合多容器部署。所有方式都遵循Spring Boot的配置优先级规则：优先读取环境变量，未设置则使用配置文件默认值。建议生产环境避免硬编码敏感信息，采用.env文件或Docker Secrets管理密码等数据，实现安全灵活的
2026-01-29 18:02:22
493
原创 Spring Boot + Docker：实现可挂载可热更新的 config.json
摘要： 本文解决前端读取config.json时Docker挂载覆盖无效的问题。由于Spring Boot不会自动替换jar内的静态资源，挂载的文件仅优先级更高但不会覆盖。解决方案： 后端Controller优先读取外部挂载文件/app/config/config.json 不存在时fallback到jar内classpath:/static/config.json 设置Cache-Control: no-store避免缓存 配置Docker时指定静态资源路径 效果： 支持热更新、多路径访问，修改后无需重启
2026-01-29 16:58:17
492
原创 深入理解 Docker 挂载中的 :ro —— 为什么要用只读挂载？
Docker挂载中的:ro作用解析 在Docker中，:ro表示只读挂载，即容器只能读取宿主机的文件/目录，无法修改或写入。默认不加后缀时为读写模式(:rw)。 核心优势 安全性：防止容器意外修改关键文件（如配置、证书） 稳定性：避免程序错误或攻击导致宿主机数据损坏 控制性：适合静态资源、配置文件等无需写入的场景 使用场景对比 只读(:ro)：配置文件、静态网站、密钥 读写(:rw)：日志目录、开发环境代码同步 通过docker inspect可验证挂载模式，Compose文件支持简写:ro或长语法read
2026-01-29 16:44:57
895
原创 Spring Cloud OpenFeign：从 fallback 到 fallbackFactory 的最佳实践与差异解析
摘要：在微服务架构中，Spring Cloud OpenFeign的fallback和fallbackFactory是处理服务调用失败的关键机制。fallback提供基础降级能力但无法获取异常信息，而fallbackFactory能捕获具体异常，支持差异化降级策略，更适合生产环境。本文对比了两者差异，指出fallbackFactory在异常处理、日志记录和排障方面的优势，建议生产级微服务优先采用fallbackFactory，以实现更精细的容错控制和系统稳定性。（149字）
2026-01-29 09:47:06
1032
原创 ConcurrentHashMap 内幕：CAS 与 synchronized 的完美配合
摘要： ConcurrentHashMap通过混合并发策略实现高性能线程安全： CAS无锁机制处理空桶插入等简单操作，避免锁开销 synchronized局部锁保护非空桶的链表/红黑树结构修改，仅锁定单个桶 采用volatile读实现完全无锁的查询操作 通过分段锁策略（桶级锁）实现高并发，性能远超Hashtable的全局锁 在保证线程安全的同时，兼顾了读写性能与扩容效率 设计核心思想：针对不同场景灵活选用CAS（快速单点更新）与synchronized（复杂结构保护），实现安全性与性能的最佳平衡。
2026-01-28 13:50:18
1339
原创 Spring 策略模式中的落地实践（含 Map/List 自动注入）
摘要：企业级系统中常遇到"根据不同类型执行不同逻辑"的需求，如支付方式、审批流程等。传统if/else写法导致代码臃肿难维护，而策略模式结合Spring的List/Map自动注入机制能完美解决这一问题。通过定义策略接口和多个实现类，Spring自动收集所有策略并注入Map，使用时直接按类型获取对应策略执行。这种方案具有零侵入扩展、自动聚合策略、符合开闭原则等优势，能实现高度灵活的插件化架构，是企业处理多类型策略场景的首选方案。
2026-01-28 11:49:33
1276
原创 线程池的优雅关闭：shutdown() 与 shutdownNow() 方法详解
本文探讨了Java线程池的优雅关闭方法，对比了shutdown()和shutdownNow()的使用场景和执行机制。shutdown()会等待已提交任务完成，适合需要保证任务完整执行的场景；而shutdownNow()会立即中断任务并清空队列，适用于紧急终止场景。通过代码示例展示了两种方法的行为差异，并解析了shutdown()的内部执行流程，包括状态转换和空闲线程中断等关键步骤。合理选择关闭方式对资源释放和任务完整性至关重要。
2026-01-28 11:42:14
696
原创 Jenkins 配置 GitLab 认证并实现自动化部署
本文详细介绍了Jenkins与GitLab集成的配置方法，主要包括：1）在GitLab生成API Token；2）在Jenkins中添加GitLab凭证；3）配置Jenkins与GitLab的全局连接；4）在Jenkins任务中设置GitLab源码管理；5）通过Publish Over SSH插件实现构建后自动部署JAR包到远程服务器。文章提供了完整的配置流程和关键步骤截图，帮助实现CI/CD自动化部署。
2026-01-27 09:14:28
1230
原创 Docker 部署 Milvus 并连接现有 MinIO 对象存储
摘要：本文介绍如何通过Docker Compose部署开源向量数据库Milvus，并集成现有MinIO对象存储服务。主要内容包括：1)准备Docker和MinIO环境；2)下载Milvus standalone版Docker Compose文件；3)修改配置指向现有MinIO服务；4)启动容器并验证服务状态。部署完成后，Milvus将使用指定MinIO存储向量数据，提供19530(gRPC)和9091(Web UI)两个服务端口。该方案适用于需要快速搭建AI/搜索场景向量检索服务的场景。
2026-01-27 09:09:52
346
原创 Java + FFmpeg 实现视频分片合并（生成 list.txt 自动合并）
本文介绍了使用Java调用FFmpeg合并多个视频分片的方法。通过FFmpeg的concat demuxer机制，可以无损合并编码格式一致的视频片段。实现步骤包括：生成合并列表文件list.txt（每行格式为file 'path/to/video.mp4'），然后调用FFmpeg命令进行合并。文章提供了完整的Java代码示例，详细说明了列表文件生成和FFmpeg调用的关键点，并指出该方法适用于编码一致的MP4分片按序拼接场景，强调分片参数必须一致才能确保合并成功。
2026-01-26 16:05:20
852
原创 Spring Boot 自动装配全解析：原理、规范与改造实践
Spring Boot自动装配机制通过@AutoConfiguration注解和条件装配，实现了模块化配置的自动加载。其核心原理是启动时读取AutoConfiguration.imports文件加载配置类，配合@ConditionalOnProperty实现功能开关控制，使用@ConditionalOnMissingBean允许用户覆盖默认实现。典型应用场景包括：将重复配置标准化（如安全模块），通过配置文件动态启用/禁用功能，实现"一次编写，多处复用"的效果。该机制显著提升了代码复用性和
2026-01-26 14:43:32
601
原创 掌握 SQL 窗口函数：分组、排名与最新记录获取的最佳实践
窗口函数是SQL中处理分组计算但保留明细数据的强大工具。它通过OVER子句实现分组(PARTITION BY)和排序(ORDER BY)，与GROUP BY不同，不会合并行。主要包含四类函数：排名类(ROW_NUMBER/RANK/DENSE_RANK)用于TopN查询；聚合类(COUNT/SUM等)可保留明细统计；偏移类(LAG/LEAD)用于前后记录对比；首尾值函数获取组内极值。相比GROUP BY只能获取聚合值，窗口函数能同时获取明细和分组计算结果，是处理"每组最新记录"等需求的理
2026-01-26 10:36:34
960
原创 深入理解 ZLMediaKit HTTP Hook 机制
摘要： ZLMediaKit的WebHook机制是一种事件驱动的实时通知系统，通过HTTP POST JSON推送关键业务事件（如推流/播放/状态变更等）。开发者可监听特定事件（如on_publish鉴权、on_stream_none_reader无人流关闭）并返回响应以控制ZLMediaKit行为。核心优势包括实时性、自定义业务处理（鉴权、统计、资源管理）与事件驱动架构。需注意快速响应鉴权事件、严格遵循返回结构，并异步处理非敏感事件。典型应用场景涵盖流媒体鉴权、自动拉流、节点监控及录制文件处理等，显著提升
2026-01-26 09:28:44
1137
原创 WebRTC / HLS / HTTP-FLV 的本质区别与选型指南
直播协议选型指南：WebRTC、HLS、HTTP-FLV对比 直播系统选型核心取决于延迟需求和稳定性要求： WebRTC（0.2-1s延迟）：适合无人机、实时监控等超低延迟场景，但实现复杂、成本高 HLS（5-15s延迟）：最稳定通用，适合课程、活动直播，兼容性最佳且成本低 HTTP-FLV（1-3s延迟）：内网大屏等中低延迟场景的性价比选择 建议： 实时同步场景选WebRTC 公网直播首选HLS 内网低延迟用HTTP-FLV 实际部署常采用多协议输出方案，通过ZLMediaKit等服务器实现协议转换。
2026-01-25 15:31:54
1116
原创 Spring Boot 事件机制详解：原理 + Demo
Spring事件机制提供了一种解耦业务逻辑的有效方式，通过发布-订阅模型实现核心业务与后续操作的分离。当用户注册等核心业务完成后，只需发布事件，由独立的监听器处理邮件发送、日志记录等后续操作，避免形成"上帝方法"。该机制通过定义事件类、发布事件和实现监听器三个核心步骤实现，具有扩展性强、符合单一职责原则等优点。支持@EventListener简化代码和@Async异步处理等进阶用法，适用于用户注册、状态变更等场景，但不适合需要同步返回结果的强一致性事务。Spring事件机制本质上是轻量级
2026-01-25 10:51:49
923
1
原创 AtomicInteger vs LongAdder：深入理解高并发计数器的演进
摘要： 在高并发系统中，AtomicInteger和LongAdder虽然都是原子计数器，但性能差异显著。AtomicInteger通过单变量CAS实现，低并发下性能优秀，但高并发时因竞争激烈导致性能下降。LongAdder采用Striped64的分段累加机制，通过分散线程到不同Cell单元减少冲突，大幅提升高并发吞吐量。LongAdder适合写多读少的统计场景（如QPS、接口调用次数），但无法保证强一致性；AtomicInteger适用于需要精确值的场景（如订单号、库存扣减）。Striped64的核心优化
2026-01-24 14:30:50
1187
原创 基于 Flink + RabbitMQ + WebSocket + Leaflet 的「科目 + 视野订阅」实时轨迹推送方案（含数据结构）
实时轨迹系统优化方案 针对WebSocket广播模式导致的性能问题，提出基于订阅模型的优化方案。系统通过前端主动上报关注科目和地图视野范围（viewport），后端仅推送符合条件的轨迹数据。核心实现包括： 状态型订阅协议：前端定期发送包含科目和viewport的JSON消息 精准过滤机制：后端对每个MQ消息进行双重判断（科目匹配+轨迹点视野交集） Leaflet集成：利用地图库原生方法获取当前可视范围 该方案有效解决了广播模式下的乘法效应问题，显著降低系统负载和前端处理压力。
2026-01-24 14:10:39
1024
原创 【Flink 轨迹实战】看懂距离、速度过滤代码：为什么要用 Haversine？抖动点和异常点怎么判断？
本文介绍了轨迹数据处理中的关键过滤方法，主要包括：1）通过Haversine公式计算两点间距离；2）基于时间差计算移动速度；3）设置最小移动距离阈值过滤GPS抖动点；4）设置最大速度阈值过滤异常点。文章详细解析了时间差计算、球面距离算法、抖动点识别和异常速度判断的实现逻辑，并提供了典型场景的速度阈值建议。这些过滤方法能有效消除GPS漂移和设备异常导致的轨迹失真，确保数据符合物理常识，为下游分析提供可靠基础。核心思想是通过时空约束条件验证定位数据的合理性。
2026-01-24 14:02:57
813
原创 Flink Watermark 卡住的真正原因：keyBy 根本不是“时间分区”
Flink事件时间开发中常遇到窗口不触发的问题，核心在于混淆了两种分区：Source物理分区（subtask）和keyBy逻辑分区（key）。Watermark仅与Source物理分区相关，每个subtask维护独立的时间线，而key仅影响数据路由和状态隔离。当某个key停止发送数据时： 若该key所在subtask仍有其他活跃key，watermark仍会推进； 若整个subtask无数据，watermark会被卡住（可通过withIdleness解决）。正确理解"subtask是最小时间推进单
2026-01-24 10:37:05
745
原创 MySQL InnoDB 锁机制深度解析：行锁、表锁、间隙锁、临键锁（Next-Key Lock）
本文系统讲解MySQL(InnoDB)中的四种常见锁机制：表锁、行锁、间隙锁和临键锁。表锁粒度最粗，会锁定整张表；行锁通过索引精确锁定单条记录，并发性能最佳；间隙锁锁定记录间的空隙防止幻读；临键锁结合记录锁和间隙锁，是RR隔离级别的默认策略。文章分析了每种锁的特点、适用场景和潜在风险，特别指出索引失效、范围查询加锁等常见性能陷阱，并给出避免锁冲突的实用建议，如使用精确条件、添加合适索引、采用Redis处理热点数据等。理解这些锁机制对优化数据库并发性能和避免死锁至关重要。
2026-01-23 11:20:04
836
原创 深入理解 MySQL 四种事务隔离级别及其适用场景
隔离级别脏读不可重复读幻读是否影响查询性能✔✔✔否⭐⭐⭐⭐⭐✖✔✔否⭐⭐⭐⭐REPEATABLE READ（默认）✖✖✖（MySQL 实现）必要时⭐⭐⭐✖✖✖✔（读写都锁）⭐⚠️ 在 MySQL InnoDB 中，RR 已经通过 MVCC + Next-Key Lock 解决幻读。读未提交：最快，但最危险（不用）读已提交：高并发，Oracle 默认可重复读：MySQL 默认，最常用串行化：最安全，但最慢。
2026-01-23 10:56:50
925
原创 Spring Boot 多模块项目中优雅实现自动配置（基于 AutoConfiguration.imports）
本文介绍了在Spring Boot多模块项目中实现自动配置的方法。通过RabbitService示例，讲解了如何利用META-INF/spring/org.springframework.boot.autoconfigure.AutoConfiguration.imports文件注册自动配置类，使业务模块只需引入依赖即可使用公共功能。文章重点说明了自动配置的核心机制，包括配置类编写、条件注解使用，以及如何通过AutoConfiguration.imports文件而非@AutoConfiguration注解来
2026-01-23 10:48:13
1113
原创 Flink 状态管理详细总结：State 分类、Keyed State 实战、Operator State、TTL、状态后端选型
Flink状态管理是实时计算的核心能力，本文系统梳理了Flink状态机制。主要内容包括：状态的概念与必要性（如UV统计需记录用户访问记录）；托管状态与原始状态的区别（推荐使用Flink托管的Managed State）；Keyed State的五大类型（Value/List/Map/Reducing/Aggregating）及其典型应用场景（如水位差值告警使用ValueState）；状态TTL配置方法；Operator State的三种类型及应用（如Kafka connector保存offset）；状态后端
2026-01-23 10:34:07
1063
原创 Flink 中 MapFunction、RichMapFunction、ProcessFunction、KeyedProcessFunction 的区别
本文对比了Apache Flink中四种常用Function的特点和适用场景。MapFunction是最简单的逐条映射；RichMapFunction增加了生命周期管理；ProcessFunction提供底层流控制能力；KeyedProcessFunction则支持状态管理和定时器，是处理复杂业务的核心。文章通过表格对比了四种Function的能力差异，并给出了示例代码和使用场景建议。最后总结出从Map到KeyedProcess是一个能力逐级增强的过程，建议根据业务复杂度选择合适的Function类型。
2026-01-22 11:29:20
973
原创 一文讲透 Java 中transient的用处（结合 Flink 理解）
本文深入解析了Java中transient关键字的作用及其在Flink开发中的关键应用。transient用于标记不参与Java默认序列化的字段，这在Flink状态管理中尤为重要。文章指出，Flink中的State（如ValueState）实际上是运行时句柄而非业务数据，必须标记为transient以避免序列化问题。同时强调State应在open()方法中初始化，而非构造函数。文中还区分了需要和不需要加transient的字段类型，并提供了标准写法模板。最终指出transient的本质是让运行时资源由Fli
2026-01-22 11:28:19
1107
原创 为什么企业级项目一定要用 PostGIS？和普通存经纬度到底有什么区别？
PostGIS作为PostgreSQL的空间扩展，远非仅存储经纬度，而是提供了完整的空间计算能力。相比普通数据库将经纬度作为普通字段存储，PostGIS具备三大核心优势：1）真正的空间数据类型，能理解点线面等地理对象；2）高效的空间索引，支持千万级数据的快速查询；3）数百个成熟的空间函数，解决距离计算、区域判断等复杂需求。在企业级应用中，PostGIS能确保空间计算的准确性、高性能和可扩展性，避免普通方案在业务演进时面临的性能瓶颈和重构风险。对于涉及地理位置、区域判断等空间关系的系统，PostGIS已成为不
2026-01-21 09:35:12
970
原创 RabbitMQ + Flink 为什么必然会重复？以及如何用 seq 做稳定去重
摘要： Flink使用RabbitMQ作为Source时，由于at-least-once语义和Checkpoint恢复机制，数据重复不可避免。本文提出基于严格递增序列号（seq）的幂等去重方案：采集侧为每个实体（如设备ID）生成唯一seq，Flink通过维护last_seq状态，丢弃seq <= last_seq的重复数据。该方案不依赖MQ或Checkpoint的精确性，支持乱序、重启和重放，适用于轨迹、IoT等场景，逻辑简单且性能高效。核心思想是"上游保证唯一性，下游实现幂等"，
2026-01-21 09:31:44
1199
原创 RabbitMQ 中 Ready 和 Unacked 到底是什么意思？如何用它们判断系统是否健康
摘要：RabbitMQ中的Ready和Unacked指标是判断系统健康的关键指标。Ready表示队列中待消费的消息数量，其持续增长反映消费能力不足；Unacked表示已投递但未确认的消息数量，高值可能因消费者处理慢或prefetch设置过大。两者结合可判断系统状态：Ready增长+Unacked小说明消费者不足，Ready小+Unacked高反映消费慢或配置问题，两者同时增长表明系统超载。建议根据消费线程数合理设置prefetch值（约为线程数的2-5倍）。监控这两个指标能有效识别性能瓶颈，避免消息积压问题
2026-01-21 09:29:57
1097
原创 Apache Flink 窗口处理函数全解析（增量 + 全量 + 混合）
Flink窗口处理函数是处理无界流数据的核心机制，主要分为增量处理和全量处理两种方式。增量处理（如reduce和aggregate函数）能实时更新结果，具有低延迟和节省空间的优点；全量处理（如apply和process函数）则在窗口结束时一次性计算，可访问完整窗口数据。文章通过传感器温度统计的案例，展示了如何结合这两种处理方式，在实时性和准确性之间取得平衡。关键点包括窗口划分、Watermark处理以及不同类型处理函数的选择与实现，为流处理场景提供了实用的解决方案。
2026-01-20 09:57:10
447
1
原创 深入理解 Apache Flink 的时间语义、Watermark 与窗口触发机制
摘要：本文深入解析Apache Flink实时流计算中的三个核心概念：时间语义、Watermark和窗口机制。重点阐述事件时间(Event Time)的业务价值，以及Watermark如何解决乱序事件问题（通过maxEventTime-allowedLateness推进逻辑时间）。详细说明窗口触发条件(Watermark≥窗口结束时间)，并通过真实案例演示Watermark不触发窗口的原因。最后给出完整代码示例，展示如何配置事件时间提取、乱序容忍和迟到数据处理。全文揭示了Flink基于事件时间进行正确统计的
2026-01-20 09:26:12
713
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