很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
剛接觸實時數(shù)據(jù)的時候，那時候比較時興叫“流式數(shù)據(jù)”。我就非常懷疑實時數(shù)據(jù)的應用場景極其有限。別的不說，單說 Join 這個非常常用的數(shù)據(jù)操作，你說咋實現(xiàn)？
在關(guān)系型數(shù)據(jù)庫中，兩個表的 Join 原理其實還是比較容易理解的。我們用最樸素的方式方法去理解，就是這個樣子：
主表和副表進行 Join ，其實就是拿主表的每一條記錄跟副表的每一條記錄進行查詢、匹配。有人說了，匹配上一條是不是就可以了？當然不行了，因為可能會存在多對多的關(guān)系，所以必須要每一條進行匹配。
匹配結(jié)束后，把匹配的結(jié)果進行合并，然后輸出結(jié)果，這就是全表 Join 的原理了。不過這種方式簡單且容易理解，但是這開銷也太大了吧！相當于 N 個全表掃描了。
這種情況在一般的場景不多見，因為有經(jīng)驗的數(shù)據(jù)工程師會用第二種方法：
其實就是在副表的關(guān)聯(lián)字段上建一個索引。這樣，主表在去找數(shù)據(jù)的時候，就不用做全表掃描了，索引里有直接拿，然后回查一下就好了。速度那是嗷嗷快??！
不過，對于那些就是沒有索引的咋辦？我們玩數(shù)據(jù)的最喜歡加一層中間層。Join 也是這么弄的，加一層 Join Buffer ：
這樣呢，一來可以減少對主表的訪問頻次，二來呢，在合并的時候也能減少對副表的訪問次數(shù)。這樣至少比兩邊都全表掃描快一些了。
不過，在這里你可能也發(fā)現(xiàn)了，這個主表很關(guān)鍵。如果主表里的數(shù)據(jù)也非常多，那效率影響還是會很大。如果主表里的id還會重復的話，那就更費勁了。
所以 Join 的幾個優(yōu)化原則就出來了：
小表驅(qū)動大表，原理是減少主表的循環(huán)次數(shù)；
副表Join字段必須有索引，原理是減少匹配的次數(shù)；
盡量增加 JoinBuffer ，應對那些確實沒有索引的情況。
如果是在 Hive 等大數(shù)據(jù)環(huán)境，還可以用一些分桶等優(yōu)化的方式加快 Join 的效率。
這時候你可能會說了，你這都是離線數(shù)據(jù)的 Join ，咱都能理解。這離線數(shù)據(jù)都是已經(jīng)放在那里的，怎么 Join 都行啊。但是實時數(shù)據(jù)，都是流動的，想關(guān)聯(lián)一個 id ，副表里的數(shù)據(jù)還沒到呢，咋關(guān)聯(lián)?。渴前?，愁人！
實時數(shù)據(jù)，也叫流式數(shù)據(jù)。顧名思義啊，數(shù)據(jù)都是流動的，你都不知道下一個數(shù)據(jù)是啥時候來，不能做全表的排序和匹配，所以沒辦法跟離線數(shù)據(jù)一樣直接 Join ，這個的確是比較復雜了一些。既然不能直接 Join ，那么我們能不能分不同的情況不同對待呢？當然是可以的了！我們來分析一下哈~~
我們在做 Join 的時候基本上有幾種情況：
1、業(yè)務表和維表關(guān)聯(lián)；
2、業(yè)務表和業(yè)務表關(guān)聯(lián)；
2.1、大表和小表關(guān)聯(lián)；
2.2、大表和大表關(guān)聯(lián)；
2.3、當前數(shù)據(jù)和當前數(shù)據(jù)關(guān)聯(lián)；
2.4、當前數(shù)據(jù)和歷史數(shù)據(jù)關(guān)聯(lián)。
你看，是不是基本就這些情況??？好，我們一個一個來分析，看看咋解決。
業(yè)務表和維表關(guān)聯(lián)
實時數(shù)據(jù)基本都是以 MQ 為傳輸和存儲介質(zhì)，用 Spark Streaming 、 Flink 作為計算引擎。所以呢，Join 的過程也就是在Spark Streaming、Flink 里進行了。
既然如此，我們能不能在這些計算引擎里把各種需要 Join 的不經(jīng)常變的維表數(shù)據(jù)先讀到 Redis 或者 HBase 等查詢非?？斓拇鎯橘|(zhì)里，業(yè)務數(shù)據(jù)過來了，跟存儲里的數(shù)據(jù) Join 一下是不是就可以了？
當然可以了！這就是流表與維表的 Join 方案了！
不過這里還有一個小問題，就是維表是會發(fā)生變化的，這個好解決，我們整一個流程實時更新一下，這樣就把 Redis 里的維表變成實時維表了，這樣問題就解決。
業(yè)務表和業(yè)務表關(guān)聯(lián)
這里分 4 種不同的情況，咱先說大表和小表關(guān)聯(lián)。既然是小表，那這個還是比較好辦的。咱的機器內(nèi)存都不小，假設服務器都是 32G 內(nèi)存的，空出 1G 放小表是不是 OK ??？影響不會太大。所以大表和小表 Join 的解決方案就出來了，把小表通過廣播的方式在大表所在的節(jié)點內(nèi)存中，是不是就可以了？這樣大表 Join 小表的時候，直接去內(nèi)存里讀取就好了么。
大表和大表關(guān)聯(lián)呢？這個沒辦法。這種常規(guī)的全量 Join ，就只能把所有數(shù)據(jù)都在狀態(tài)中存儲所有的數(shù)據(jù)了。這種方法的資源占用是最大的，也是最沒辦法的。
當前數(shù)據(jù)和當前數(shù)據(jù) join , Spark Streaming 和 Flink 都有辦法解決。Flink 用的是窗口的邏輯。在同一個窗**，兩邊的數(shù)據(jù)都到齊了，直接 join 就好了。我們需要操心的是數(shù)據(jù)遲到咋辦，大致的思路就要么多等一會，要么之后再補齊一下。
當前數(shù)據(jù)和歷史數(shù)據(jù) join 其實跟上面的做法大致差不多，就是得加一個指定時間。
離線數(shù)據(jù) Join 其實就是無數(shù)個查詢、匹配的過程。優(yōu)化思路也比較清晰，減少主表數(shù)據(jù)量、增加副表索引等。
實時數(shù)據(jù)就比較費勁，因為沒法做全量數(shù)據(jù)的排序啥的，所以得分很多種情況。但是都有解決方案。我們需要關(guān)注的是數(shù)據(jù)遲到了咋辦，應對辦法一般是多等會，或者之后再補齊。
這里借用一下鳴宇淳同學畫的圖作為總結(jié)，這張圖上寫的非常清晰。
擴展閱讀：1本Flink電子書+9份分享ppt，公眾號“大數(shù)據(jù)架構(gòu)師”后臺回復“Flink”即可下載。另外，我建了個大數(shù)據(jù)架構(gòu)師交流群，感興趣的同學可以加我微信：shirenpengwh，備注“進群”，謝謝大家。
配合以下文章享受更佳
傳統(tǒng)金融業(yè)務場景下Flink實時計算的探索與實踐
【實戰(zhàn)】 手摸手搭建一個實時數(shù)據(jù)倉庫
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡信息。
一、根據(jù)《網(wǎng)絡信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)