Syntomic

数据目录
  1. 文档我所了解的 Flink：从底层 API 回到 SQL一段从离线 SQL 转向 Flink 的学习经历：为了一个实时监控需求，从 ProcessFunction 手动管状态写起，到 Window、Flink SQL，再到 SQL SDK、PyFlink 和流批一体。越往上层走开发越省事，但正是对底层的理解，让上层的路走得更远。
  2. 文档Flink规则引擎风控规则天天在变，Flink 作业却不能天天重启。本文先用一个能动手的欺诈检测实验看规则怎样触发告警，再结合 QFlink 的实现，讲清楚规则引擎的三件事：规则广播、动态分组，以及能随时改的窗口。
  3. 文档Flink SQL 回撤机制与问题流式 SQL 的结果会随输入不断变化，回撤（Changelog）就是通知下游「之前那条作废」的机制，它是正确性的最小代价。但一次更新被拆成「撤回 + 新值」两条消息，会带来乱序和中间错误结果两类副作用。本文用词频统计讲清回撤的原理，再分别看引擎如何解决乱序、业务侧如何用版本列和自定义算子挡住中间结果。
  4. 文档Java 调用 Python：亲手搭一座 JNI 桥PyFlink 的线程模式为什么能让 Java 算子直接调用 Python 函数？这篇教程跟着 QFlink 里的示例，从零搭一座 JNI + Python/C API 的桥：Java 传一个日期，Python 返回星期几。一条命令跑起来，再一步步拆开 Java、头文件、Python、C 和编译；亲手测一次 GIL 让多线程变慢，最后回到 PyFlink 和 PEMJA，对比进程模式与线程模式。
  5. 文档我理解的流批一体：从三条链路到一个参数同一张订单宽表，实时链路秒级写入，离线链路天级整表覆盖，已经更新的行会被旧快照改回去。本文用这张表贯穿全文，从现状的实时、离线两条链路讲到 Fluss + Paimon 的改造，最后落到 Materialized Table 的增量语义：需求变了，只改一个 FRESHNESS 参数。衡量每一步的标准是：有多少原本只存在于人记忆里的约束，被系统接管了。