有如下几种实现方法:
-
keyed【Tuple3<devicetype,isNew,1>】根据前面两个字段做分组,然后对第三个字段的1做sum
-
用布隆过滤器+算子的键控状态,如果这个用户id存在过,就不是新用户,isNew=0,否则为1。布隆能判断某个用户id一定不存在,则表示一定是新用户,但是不能确定一定存在,所以有精度问题
-
将布隆过滤器+算子的方法进行优化,算子状态改为OperatorState,一个task内共享,一个taskslot只需要一个布隆过滤器
-
用RocksdbStateBackend代替FsStateBackend,RocksdbStateBackend可以存储更多状态、有长窗口(window state)、key、value的可以保存更大的数据(2G),并且可以进行增量CheckPoint。
-
把数据写到clinkhouse做分析,做计算,用SQL处理,在flink把数据在kafka的topic+分区+offset当做唯一标识,确保端到端的精确一次消费。