这是之前在处理一个实时流数据上碰到的。 之前背过很多，类似的关于高并发问题的一些官样文章。初读起来，总感觉索然无味。好像和幼儿园里把大象放进冰箱里的故事一样。 在业务中碰到的情况很特别。 同一个用户，会在同一个时间点有多条订单，即使把时间精确到 00:00:00，依然发现无法区分。前辈提醒后，才发现这其实是一种高并发的情况。 在Flink实时流里，通常碰到高并发的情况下，会进行一次打乱操作。在SQL任务中，我忘记进行了这种操作，后来发现其实是有这样的key by 参数。 大约可以这样处理。 在处理的时候，通过key by 的操作，会将并发数据存储同一个kaf...

麦子熟了五千次，人民万岁第一次#牛客创作赏金赛#

26届找实习，求评价，不玻璃心 #实习# #java# #简历#

with a as( select user_id,fdate, cast(diff as SIGNED) - cast(sign1 as SIGNED) as sign from( select user_id,fdate, datediff(fdate,'2023-01-01') diff, row_number() over(partition by user_id order by fdate ) as sign1 from tb_dau where fdate between '2023-01-01' and '...