1.cast函数

数据类型转换函数

比如date的值为

参考：Hive中CAST（）函数用法

2.explode函数

explode() 函数接收一个 array 或 map 作为输入，然后将 array 或 map 里面的元素按照每行的形式输出。其可以配合 LATERAL VIEW 一起使用

参考：Hive应用：explode和lateral view

3.lateral view

lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral view在把结果组合，产生一个支持别名表的虚拟表。

4.json_tuple

全文 >>

**　　一、给Controller传值，值将显示在控制台**

　　1.第一种：使用@RequestParam，改HelloController.java

全文 >>

在/usr/share/applications和/usr/share/app-install/desktop寻找需要的图标，没有就自己做一个

eclipse的图标

全文 >>

全文 >>

1.查询第二高的值

输入：Salary表

全文 >>

Flink窗口（window）可以用于keyed streams和non-keyed streams

参考官方文档：https://nightlies.apache.org/flink/flink-docs-master/zh/docs/dev/datastream/operators/windows/

1.一些概念

1.时间语义

flink支持3种时间语义，分别是Event time，Processing time和Ingestion time。

参考：https://nightlies.apache.org/flink/flink-docs-release-1.17/docs/learn-flink/streaming_analytics/

1.Event time

Event time的时间戳是每个单独事件在其产生设备上发生的时间。Event time通常在record进入Flink之前就嵌入到record中，这样就可以从每条record中提取事件时间戳。在Event time中，时间的进程取决于数据，而不是任何时钟。Event time程序必须指定如何生成Event time watermarks，这是一种以事件时间表示进度的机制。

在理想情况下，Event time处理将产生完全一致和确定的结果，而不管事件何时到达或它们的顺序如何。然而，除非事件是按顺序到达的(按时间戳)，否则事件时间处理在等待乱序事件时会产生一些延迟。因为只能等待一段有限的时间，这就限制了Event time应用程序的确定性。

2.Processing time

全文 >>

1.开启checkpoint

默认情况下checkpoint是禁用的，需要手动进行开启，如下

全文 >>

1.SpringMVC概念

2.整个springmvc运行的流程

　　请求–><1>Dispatcher servlet(controller控制器)–><2>HandlerMapping(这个在配置文件中写,可以通过这个找到url该给哪个具体的controller来处理)

　　　　　　　　　　　　　　　　　　　　　　　–><3>controller(具体的控制器)–><4>Model and logical viewname(具体的控制器再将值传给dispatcher servlet)

　　　　　　　　　　　　　　　　　　　　　　　–><5>view resolver(通过这来找到对应的视图)

　　　　　　　　　　　　　　　　　　　　　　　–><6>view

3.创建SpringMVC项目

全文 >>

为了方便使用Flink对流式数据进行统一的读写，需要开发统一的source服务

1. kafka source

需要可配置的参数，参考flume的kafka source配置参数

全文 >>

DelayQueue是一个基于优先队列（PriorityQueue）实现的阻塞队列（BlockingQueue），队列中的消息的优先级是根据消息的TTL来决定的。

参考：Java延迟队列DelayQueue

使用延迟队列实现定时任务调度器

参考：https://soulmachine.gitbooks.io/system-design/content/cn/task-scheduler.html