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> 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> 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; libenc...@pku.edu.cn
