expect7g

1.TaskManager与JVM TaskManager是根据Flink集群分配的，本地测试LocalExecutionEnvironment默认只会产生一个TaskManager。 一个TaskM

operate是原子操作，这个操作会在aerospike执行里面代码的时候采用单线程处理 下面两个代码说明原子操作的安全性 案例1：不采用operate 结果如下图 这是因为非operate包装的操作

本文介绍Aerospike的服务器tools去利用aql查询as的数据 具体操作看官网：Aerospike Quick Look (AQL) | Aerospike Documentation 一.安

下推优化是指在保持关系代数语义不变的前提下将 SQL 语句中的变换操作尽可能下推到靠近数据源的位置以获得更优的性能，常见的下推优化有谓词下推（Predicate Pushdown），投影下推（Proj

文章学习自FFA 一.FlinkSQL的解析、执行 Flink 引擎接收到一个 SQL 文本后 通过 SqlParser 将其解析成 SqlNode。 通过查询 Catalog 中的元数据信息，对 S

在前面文章Flink-反压-2.源码分析-流程-1，我们知道BufferManager主要回收的是专属缓冲区，浮动缓冲区的递归回收，其实还是要看LocalBufferPool的逻辑 一.添加浮动缓冲区

前言 整个反压机制不是单单一个算子去实现的，而是上下游协同操作的，因此，解析源码的时候会拆出每个单独的部分，没办法全面去协调解析，很绕，分为以下几步 下游解析上游发送的数据消息并占用缓冲区，等待下游消

前言 整个反压机制不是单单一个算子去实现的，而是上下游协同操作的，因此，解析源码的时候会拆出每个单独的部分，没办法全面去协调解析，很绕，分为以下几步 下游解析上游发送的数据消息并占用缓冲区，等待下游消

1.为什么会存在反压 反压是很常见的情况，如下图 生产者：每s生产2MB数据 消费者：每s消费1MB数据 在生产者和消费者之间又存在一个缓冲区，为了缓解这个差值的，但是如果一致存在差值，迟早有一天，缓