我看你的SQL里面并没有用到窗口呀，只是一个普通的聚合。 这种聚合需要设置合理的state retention[1]时间的，要不然状态默认是永远不清理的。
[1] https://ci.apache.org/projects/flink/flink-docs-master/dev/table/streaming/query_configuration.html#idle-state-retention-time x <35907...@qq.com> 于2020年7月6日周一 上午11:15写道： > 版本是1.10.1，最后sink的时候确实是一个window里面做count > distinct操作。请问是只要计算过程中含有一个window里面做count > distinct操作，就会造成所有状态过期不自动清理吗？实际我window这步的状态很小，group DATE_FORMAT(rowtm, > 'yyyy-MM-dd') 这个sql对应的状态很大。代码如下： > val rt_totaluv_view : Table = tabEnv.sqlQuery( > """ > SELECT MAX(DATE_FORMAT(rowtm, 'yyyy-MM-dd HH:mm:00')) > time_str,COUNT(DISTINCT userkey) uv > FROM source > GROUP BY DATE_FORMAT(rowtm, 'yyyy-MM-dd') > """) > tabEnv.createTemporaryView("rt_totaluv_view",rt_totaluv_view) > > val totaluvTmp = tabEnv.toRetractStream[(String,Long)](rt_totaluv_view) > .filter( line => line._1 == true ).map( line => line._2 ) > > val totaluvTabTmp = tabEnv.fromDataStream( totaluvTmp ) > > tabEnv.sqlUpdate( > s""" > INSERT INTO mysql_totaluv > SELECT _1,MAX(_2) > FROM $totaluvTabTmp > GROUP BY _1 > """) > ------------------ 原始邮件 ------------------ > 发件人: "Benchao Li"<libenc...@apache.org>; > 发送时间: 2020年7月3日(星期五) 晚上9:47 > 收件人: "user-zh"<user-zh@flink.apache.org>; > > 主题: Re: 求助：FLINKSQL1.10实时统计累计UV > > > > 你用的是哪个版本？之前是存在一个类似问题的[1]，是在window里面做count distinct会有这个问题， > 这个已经在1.11中修复了。 > > [1] https://issues.apache.org/jira/browse/FLINK-17942 > > x <35907...@qq.com> 于2020年7月3日周五 下午4:34写道： > > > 您好，我程序运行一段时间后，发现checkpoint文件总在增长，应该是状态没有过期， > > > > > 我配置了tableConfig.setIdleStateRetentionTime(Time.minutes(2),Time.minutes(7)),按理说，日期是前一天的key对应的状态会在第二天过期的。 > > > > > > > > > > ------------------&nbsp;原始邮件&nbsp;------------------ > > 发件人:&nbsp;"Jark Wu"<imj...@gmail.com&gt;; > > 发送时间:&nbsp;2020年6月18日(星期四) 中午12:16 > > 收件人:&nbsp;"user-zh"<user-zh@flink.apache.org&gt;; > > > > 主题:&nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV > > > > > > > > 是的，我觉得这样子是能绕过的。 > > > > On Thu, 18 Jun 2020 at 10:34, x <35907...@qq.com&gt; wrote: > > > > &gt; 如果是1.10的话，我通过表转流,再转表的方式实现了，您看合理吗? > > &gt; val resTmpTab: Table = tabEnv.sqlQuery( > > &gt;&nbsp;&nbsp; """ > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; SELECT > MAX(DATE_FORMAT(ts, 'yyyy-MM-dd > > HH:mm:00')) > > &gt; time_str,COUNT(DISTINCT userkey) uv > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; FROM > user_behavior&nbsp;&nbsp;&nbsp; GROUP BY > > DATE_FORMAT(ts, 'yyyy-MM-dd')&nbsp;&nbsp;&nbsp; """) > > &gt; > > &gt; val > resTmpStream=tabEnv.toRetractStream[(String,Long)](resTmpTab) > > &gt;&nbsp;&nbsp; > > .filter(line=&amp;gt;line._1==true).map(line=&amp;gt;line._2) > > &gt; > > &gt; val res= tabEnv.fromDataStream(resTmpStream) > > &gt; tabEnv.sqlUpdate( > > &gt;&nbsp;&nbsp; s""" > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; INSERT INTO > rt_totaluv > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; SELECT _1,MAX(_2) > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; FROM $res > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; GROUP BY _1 > > &gt;&nbsp;&nbsp;&nbsp;&nbsp; """) > > &gt; > > &gt; > > &gt; > ------------------&amp;nbsp;原始邮件&amp;nbsp;------------------ > > &gt; 发件人:&amp;nbsp;"Jark Wu"<imj...@gmail.com&amp;gt;; > > &gt; 发送时间:&amp;nbsp;2020年6月17日(星期三) 中午1:55 > > &gt; 收件人:&amp;nbsp;"user-zh"<user-zh@flink.apache.org > &amp;gt;; > > &gt; > > &gt; 主题:&amp;nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV > > &gt; > > &gt; > > &gt; > > &gt; 在 Flink 1.11 中，你可以尝试这样： > > &gt; > > &gt; CREATE TABLE mysql ( > > &gt; &amp;nbsp;&amp;nbsp; time_str STRING, > > &gt; &amp;nbsp;&amp;nbsp; uv BIGINT, > > &gt; &amp;nbsp;&amp;nbsp; PRIMARY KEY (ts) NOT ENFORCED > > &gt; ) WITH ( > > &gt; &amp;nbsp;&amp;nbsp; 'connector' = 'jdbc', > > &gt; &amp;nbsp;&amp;nbsp; 'url' = > 'jdbc:mysql://localhost:3306/mydatabase', > > &gt; &amp;nbsp;&amp;nbsp; 'table-name' = 'myuv' > > &gt; ); > > &gt; > > &gt; INSERT INTO mysql > > &gt; SELECT MAX(DATE_FORMAT(ts, 'yyyy-MM-dd HH:mm:00')), > > COUNT(DISTINCT&amp;nbsp; > > &gt; user_id) > > &gt; FROM user_behavior; > > &gt; > > &gt; On Wed, 17 Jun 2020 at 13:49, x <35907...@qq.com&amp;gt; > wrote: > > &gt; > > &gt; &amp;gt; 感谢您的回复，您提到的"方法一"我还是有点不太理解，我需要每分钟输出一个累计UV， > > &gt; &amp;gt; sink表这个样式 > > &gt; &amp;gt; tm uv > > &gt; &amp;gt; 2020/06/17 13:46:00 10000 > > &gt; &amp;gt; 2020/06/17 13:47:00 20000 > > &gt; &amp;gt; 2020/06/17 13:48:00 30000 > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; &amp;gt; group by 日期的话，分钟如何获取 > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; &amp;gt; > > > ------------------&amp;amp;nbsp;原始邮件&amp;amp;nbsp;------------------ > > &gt; &amp;gt; 发件人:&amp;amp;nbsp;"Benchao Li"< > libenc...@apache.org > > &amp;amp;gt;; > > &gt; &amp;gt; 发送时间:&amp;amp;nbsp;2020年6月17日(星期三) 中午11:46 > > &gt; &amp;gt; 收件人:&amp;amp;nbsp;"user-zh"< > user-zh@flink.apache.org > > &amp;amp;gt;; > > &gt; &amp;gt; > > &gt; &amp;gt; 主题:&amp;amp;nbsp;Re: 求助：FLINKSQL1.10实时统计累计UV > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; &amp;gt; Hi， > > &gt; &amp;gt; 我感觉这种场景可以有两种方式， > > &gt; &amp;gt; 1. 可以直接用group by + mini batch > > &gt; &amp;gt; 2. window聚合 + fast emit > > &gt; &amp;gt; > > &gt; &amp;gt; 对于#1，group > by的字段里面可以有一个日期的字段，例如你上面提到的DATE_FORMAT(rowtm, > > 'yyyy-MM-dd')。 > > &gt; &amp;gt; 这种情况下的状态清理，需要配置state retention时间，配置方法可以参考[1] > 。同时，mini > > batch的开启也需要 > > &gt; &amp;gt; 用参数[2] 来打开。 > > &gt; &amp;gt; > > &gt; &amp;gt; 对于#2，这种直接开一个天级别的tumble窗口就行。然后状态清理不用特殊配置，默认就可以清理。 > > &gt; &amp;gt; fast > > emit这个配置现在还是一个experimental的feature，所以没有在文档中列出来，我把配置贴到这里，你可以参考一下： > > &gt; &amp;gt; table.exec.emit.early-fire.enabled = true > > &gt; &amp;gt; table.exec.emit.early-fire.delay = 60 s > > &gt; &amp;gt; > > &gt; &amp;gt; [1] > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; > > > https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/streaming/query_configuration.html > > &gt; &amp;gt; [2] > > &gt; &amp;gt; > > &gt; &amp;gt; > > &gt; > > > https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/config.html > > &gt; &amp;gt; > > &gt; &amp;gt; x <35907...@qq.com&amp;amp;gt; > 于2020年6月17日周三 上午11:14写道： > > &gt; &amp;gt; > > &gt; &amp;gt; &amp;amp;gt; > > 需求是，每分钟统计当日0时到当前的累计UV数，用下面的这种方式，跨天的时候，累计UV不会清零，还会一直累计 > > &gt; &amp;gt; &amp;amp;gt; CREATE VIEW uv_per_10min AS > > &gt; &amp;gt; &amp;amp;gt; SELECT&amp;amp;amp;nbsp; > > &gt; &amp;gt; &amp;amp;gt; &amp;amp;amp;nbsp; > > MAX(DATE_FORMAT(proctime&amp;amp;amp;nbsp;, > > &gt; 'yyyy-MM-dd > > &gt; &amp;gt; HH:mm:00'))&amp;amp;amp;nbsp;OVER w > > &gt; &amp;gt; &amp;amp;gt; AS > time_str,&amp;amp;amp;nbsp; > > &gt; &amp;gt; &amp;amp;gt; &amp;amp;amp;nbsp; > COUNT(DISTINCT user_id) OVER > > w AS uv > > &gt; &amp;gt; &amp;amp;gt; FROM user_behavior > > &gt; &amp;gt; &amp;amp;gt; WINDOW w AS (ORDER BY proctime > ROWS BETWEEN > > UNBOUNDED > > &gt; PRECEDING AND > > &gt; &amp;gt; &amp;amp;gt; CURRENT ROW); > > &gt; &amp;gt; &amp;amp;gt; > > &gt; &amp;gt; &amp;amp;gt; > > &gt; &amp;gt; &amp;amp;gt; 想请教一下，应该如何处理？ > > &gt; &amp;gt; &amp;amp;gt; PARTITION BY > DATE_FORMAT(rowtm, 'yyyy-MM-dd') > > &gt; 这样可以吗，另外状态应该如何清理？ > > &gt; &amp;gt; &amp;amp;gt; PS：1.10貌似不支持DDL貌似不支持CREATE > VIEW吧 > > &gt; &amp;gt; &amp;amp;gt; 多谢 > > > > -- > > Best, > Benchao Li -- Best, Benchao Li
