取决于具体的场景。想到的有如下几种方案: 1,group by student_id和student_name,而不是只group by student_id。当然前提是修改同名名字不会推送一条消息到流1. 2,过滤掉update的消息 3,基于时间窗口的聚合,对于student表的数据,每n秒输出一个唯一的student_id,然后再与score流join。
-----邮件原件----- 发件人: xin Destiny <nj18652727...@gmail.com> 发送时间: Tuesday, January 14, 2020 6:39 PM 收件人: user-zh@flink.apache.org 主题: Re: 求助帖: 流join场景可能出现的重复计算 Hi, 如果说插入两条update操作呢,一次分数是-97,一次是97 Ren Xie <xiere...@gmail.com> 于2020年1月14日周二 下午6:20写道: > 实际场景还是有点复杂的, 便于理解 我简化成这样的, 简化后的这个, 没有实际的代码, 抱歉 > > 大致 写一下 也就是这样了 > ```sql > select sum(score) > from > student t1 inner join score t2 on t1.student_id = t2.std_id where > t1.student_id = 11 > ``` > 然后 > > ```Java > String sql = ↑; > Table t = tEnv.sqlQuery(sql); > DataStream<Integer> stream1 = tEnv.toAppendStream(t, Integer.class); > stream1.keyBy("xxxx").sum("xxxx"); > ``` > > 这样的一个sql, 在student表插入一个数据, score表插入2个数据后, 会执行一次计算出一个结果97 + 98 > > update 学生表的name后, 一个新事件进入student的流, 还会触发一次计算, 得到97 + 98 > > 因为可能有新的成绩插入, 所以对 stream1进行sum操作, 导致 97和98 都被重复计算了一次 > > > Caizhi Weng <tsreape...@gmail.com> 于2020年1月14日周二 下午5:49写道: > > > Hi, > > > > 有可能的话,是否方便提供一下代码呢? > > > > Ren Xie <xiere...@gmail.com> 于2020年1月14日周二 下午5:38写道: > > > > > 学生 > > > student_id name > > > 11 foo > > > > > > 学科分数 > > > id name score std_id > > > 100 math 97 11 > > > 101 english 98 11 > > > > > > 有如下一个场景(假设只有一个学生) > > > > > > 基于binlog检测这2个表的变化, 计算这个学生的总分数, 使用了Table/SQL API join操作计算 > > > > > > 假设insert以上数据后到达某时刻, 以上数据都进入了flink, 计算出这个学生总分数 97 + 98 = 195 > > > > > > 但此时发现学生姓名登记错误, 于是进行了修改, > > > 结果此时Flink中学生流中有2个事件(insert的一个+update的一个), 分数流中有2个事件, 计算的总分数就会是 2 * > > > (97 > + > > > 98) = 390 > > > > > > Q: 请问这种场景下使用什么能够解决, 计算出正确的结果 97 + 98 = 193 > > > > > > 接触flink不久, 不是太了解, 请大佬给个提示, 谢谢!! > > > > > >