Hi benchao,
感谢你的回复，完美解答了我的疑惑。然后我在看代码做实验的时候又派生了两个想法/问题：
1. 将accu作为一个单独的field在GroupAggFunction中，然后在snapshotState的时候才去向state更新
2. 为accu设置一个0/初始/空/幺元或者类似概念的状态，这样我们就不必去销毁acc而是去只是将其置回
或者说时区在设计这个部分的时候，有什么其他的考量吗
________________________________
发件人: Benchao Li <libenc...@gmail.com>
发送时间: 2020年4月21日 18:28:09
收件人: 刘首维
抄送: user-zh
主题: Re: 关于Flink SQL UDAF中调用createAccumulator的调用问题
Hi 首维，
这里说的是同一个key会创建一次，所以你看到一个AggFunction会创建多次更这个并不冲突，因为一个AggFunction属于一个subtask维度的，一个subtask处理不止一个key的。
你的第二个问题：
> 我个人理解Flink Streaming SQL其实实现上物化视图的增量更新算法很像（这块不确定思考的正确性），那么在嵌套group
> by或者接join后是不是会有更新放大（amplify）问题，同时由于这个问题导致中间状态暴露出来
这个的确是存在这个问题。比如两个group by嵌套使用，第一个group by由于会更新结果，所以会retract之前的结果。第二个group
by收到retract就会先撤销当前的结果，然后再发送撤销之后的结果；然后后面又会来一条正常的append数据，这条数据导致再次retract一次，和append一次。
> 还有在agg over group by的时候是不是createAccumulator的生命周期会像窗口聚合的时候生命周期会改变吗。
这个没有本质区别，正常情况下一个key下的agg是会一直存在的。除非是你配置了state
retention时间，那么对应的key的state如果过了retention时间没有访问就会被清理。
刘首维 <liushou...@autohome.com.cn<mailto:liushou...@autohome.com.cn>>
于2020年4月21日周二 下午5:59写道：
Hi benchao,
非常感谢你的回复，我说一下我产生疑问的原因吧。首先我的朴素思路是createAccumlator针对一个group
by的一个key应该被创建一次，可是我做实验的时候（在create
acc的时候打印日志），我发现日志打印了不止一次，而且我确认是同一线程的同一AggFunction对象打印的。而且我也翻看了代码可以看到accumulator确实是以一个state方式存储的，每次都会先尝试从state取，就更不应该出现多次打印createAccmulator日志的问题了。
为了方便你帮我分析，我来补充一下环境和场景：
版本： 1.7.2/1.9.1
场景 ： group by 嵌套， 常规聚合
我个人理解Flink Streaming SQL其实实现上物化视图的增量更新算法很像（这块不确定思考的正确性），那么在嵌套group
by或者接join后是不是会有更新放大（amplify）问题，同时由于这个问题导致中间状态暴露出来。还有在agg over group
by的时候是不是createAccumulator的生命周期会像窗口聚合的时候生命周期会改变吗。
再次感谢你的回复
best regards
________________________________
发件人: Benchao Li <libenc...@gmail.com<mailto:libenc...@gmail.com>>
发送时间: 2020年4月21日 17:45:54
收件人: user-zh
主题: Re: 关于Flink SQL UDAF中调用createAccumulator的调用问题
Hi 首维，
这是个很好的问题。
> 这个方法的调用时机是什么呢，会被调用几次呢？
这个调用的时机是每个key的第一条数据来的时候，会创建一个accumulator。创建的次数大约是key的数量。
当然这里说的是regular groupby；
如果是window group by的话，就是每个window都会做上面的这个事情。
> 一个accumulator的生命周期是怎么样的？
如果是window group by的话，那它的生命周期就是跟window是一样的。
如果是regular groupby的话，可以认为是全局的。除非有一条数据retract掉了当前的结果之后，等于被聚合的
数据是0条的时候，也会销毁。
> 一个accumulator会被反复的序列化反序列化吗？
这个问题非常好。它是否序列化跟你用的state backend有关系。
如果是rocksdb的话，是会每次更新都会存一次state。如果不是rocksdb，它就是一个内存里的数据结构，只有在
checkpoint的时候序列化。
当然这个在regular groupby的情况下，开启mini batch会减少每次都需要更新state的情况。
刘首维 <liushou...@autohome.com.cn<mailto:liushou...@autohome.com.cn>>
于2020年4月21日周二 下午5:37写道：
> Hi all,
>
>
>
> 最近有几个疑问没能很好地理解清楚：
>
>
>
> 我们都知道，UDAF中的有createAccumulator这个方法，那么：
>
> 这个方法的调用时机是什么呢，会被调用几次呢？
>
> 一个accumulator的生命周期是怎么样的？
>
> 一个accumulator会被反复的序列化反序列化吗？
>
>
> 麻烦了解相关细节的社区的同学们帮忙解答一下~
>
> 先谢谢啦
>
--
Benchao Li
School of Electronics Engineering and Computer Science, Peking University
Tel:+86-15650713730
Email: libenc...@gmail.com<mailto:libenc...@gmail.com>;
libenc...@pku.edu.cn<mailto:libenc...@pku.edu.cn>
--
Benchao Li
School of Electronics Engineering and Computer Science, Peking University
Tel:+86-15650713730
Email: libenc...@gmail.com<mailto:libenc...@gmail.com>;
libenc...@pku.edu.cn<mailto:libenc...@pku.edu.cn>
