说说广播流与普通流

分析&回答

• user actions 可以看作是事件流（普通流）
• patterns 为广播流,把全量数据加载到不同的计算节点。
  

广播流

• Broadcast是一份存储在TaskManager内存中的只读的缓存数据
• 在执行job的过程中需要反复使用的数据，为了达到数据共享，减少运行时内存消耗，我们就用广播变量进行广播

广播流好处

1. 从clinet端将一份需要反复使用的数据封装到广播变量中，分发到每个TaskManager的内存中保存
2. TaskManager中的所有Slot所管理的线程在执行task的时候如果需要用到该变量就从TaskManager的内存中读取数据，达到数据共享的效果，与Spark中的广播变量效果时一样

普通双流join

根据join 条件，根据key的发到同一个计算节点，如下图类似

反思&扩展

广播流使用注意点：

1. 广播变量中封装的数据集大小要适宜，太大，容易造成OOM
2. 广播变量中封装的数据要求能够序列化，否则不能在集群中进行传输

哪种 Join 可以满足单个流断流的时候仍然能够保证正确的 Join 到数据？

广播流Join