谢谢大家，我想到了解决方案： 情景一：可以每来一条数据就Trigger一次计算，然后再Window计算完的时候，清除状态 情景二：确实要等窗口计算完
| | Jimmy Wong | | [email protected] | 签名由网易邮箱大师定制 在2019年12月11日 16:26，yanggang_it_job<[email protected]> 写道： 我觉得可以这样处理：<br/>1：首先把你的stream流注册为表（不管是一个还是多个stream）<br/>2：然后对这个表使用FLINKSQL进行业务表达<br/>3：最后使用FLINK SQL提供的开窗函数指定想要去重的字段<br/>注意：控制state的大小<br/>参考文档：https://ci.apache.org/projects/flink/flink-docs-release-1.9/dev/table/sql.html#deduplication 在 2019-12-11 15:53:00，"Jimmy Wong" <[email protected]> 写道： 属于不同的window，是window内去重，window间不去重 | | Jimmy Wong | | [email protected] | 签名由网易邮箱大师定制 在2019年12月11日 12:08，梁溪<[email protected]> 写道： 去重了为什么还会有两个2 | | 梁溪 | | 邮箱：[email protected] | 签名由 网易邮箱大师 定制 在2019年12月11日 11:19，Jimmy Wong 写道： Hi, Yuan,Youjun 谢谢。 你这种方案是 SQL 的角度吧，如果用 DataStream 算子要怎么处理呢？ | | Jimmy Wong | | [email protected] | 签名由网易邮箱大师定制 在2019年12月11日 09:04，Yuan,Youjun<[email protected]> 写道： 第一种情况，用firstvalue这种聚合函数; 第二种情况，用min聚合函数，然后group by id，是不是就是你要的结果? -----邮件原件----- 发件人: Jimmy Wong <[email protected]> 发送时间: Tuesday, December 10, 2019 4:40 PM 收件人: [email protected] 主题: 窗口去重 Hi，All： 请教一个问题，现在有个实时场景：需要对每 5 分钟内数据进行去重，然后 Sink。 比如： 数据 {ts: 2019-12-10 16:24:00 id: 1} {ts: 2019-12-10 16:22:00 id: 1} {ts: 2019-12-10 16:23:00 id: 2} {ts: 2019-12-10 16:21:00 id: 1} {ts: 2019-12-10 16:29:00 id: 2} {ts: 2019-12-10 16:27:00 id: 3} {ts: 2019-12-10 16:26:00 id: 2} 第一种情景，不考虑时间去重，结果如下： {ts: 2019-12-10 16:24:00 id: 1} {ts: 2019-12-10 16:23:00 id: 2} {ts: 2019-12-10 16:29:00 id: 2} {ts: 2019-12-10 16:27:00 id: 3} 第二种情景，考虑时间去重，结果如下： {ts: 2019-12-10 16:21:00 id: 1} {ts: 2019-12-10 16:23:00 id: 2} {ts: 2019-12-10 16:26:00 id: 2} {ts: 2019-12-10 16:27:00 id: 3} 请教下，对于上面两种情景，分别有什么高效实时的解决方案么， 谢谢？我想了一下用 5min 窗口，和 ProcessWindowFunction 可以解决，但是 ProcessWindowFunction 要缓存 5min 的窗口数据，但是有延迟。 | | Jimmy Wong | | [email protected] | 签名由网易邮箱大师定制
