背景今天在跑项目的时候，发现C盘磁盘空间满了，于是清理了大部分空间后，仍然处于高位，于是打算把maven仓库移出C盘，通过网上转载的一篇（maven 本地仓库的配置以及如何修改默认.m2仓库位置），迁移了localRepository的目录后，尝试重新导入项目，发现仍然在用户主目录${user.home}/.m2/repository下生成了对应的依赖包解决方法在idea 的maven...

1、通过git log查看要特定commit提交记录的hash值git log --pretty=oneline --abbrev-commit2、通过git tag 命令打tag选择某个提交记录打tag，上一步看到的是hash前缀，在idea里提交记录如果中文可能是乱码，直接复制版本号前缀匹配git tag -a v_tag_V3.4.5 -m "tag描述"768a49ff3、将tag通过gi

请设计 Flink 作业的数据流（Source → Transformation → Sink），并说明关键算子（如。（每秒请求数），并输出到监控系统（如 Prometheus、Kafka、MySQL 等）。，假设瞬时 QPS 可能达到 10,000，如何保证 Flink 作业的稳定性和低延迟？如何实现 QPS 的滑动窗口（如每 1s 计算一次最近 10s 的 QPS）？如果某些 key 的数据量

请设计 Flink 作业的数据流（Source → Transformation → Sink），并说明关键算子（如。（每秒请求数），并输出到监控系统（如 Prometheus、Kafka、MySQL 等）。，假设瞬时 QPS 可能达到 10,000，如何保证 Flink 作业的稳定性和低延迟？如何实现 QPS 的滑动窗口（如每 1s 计算一次最近 10s 的 QPS）？如果某些 key 的数据量

今天出现Flink的配置文件路径的环境变量在电脑-》属性-》高级系统设置--》环境变量中添加完以下环境变量后，环境变量查看还是有。

背压（Backpressure）是流处理系统中一种重要的流量控制机制。当数据流入速度大于处理速度时，系统会自动降低数据摄入速率，以避免数据积压和内存溢出。可以把这想象成水流管道：当出水口流速小于进水口时，管道内压力会增加，进而迫使进水口降低流速。Flink背压是流处理系统中的正常现象，但持续的高背压会影响作业性能。理解背压原理：基于信用值的流量控制掌握定位方法：Web UI、指标监控、日志分析应用

本文通过图书馆的生动比喻，深入浅出地解析了LSM树的核心原理及其在大数据存储系统中的应用。文章从传统B+树的问题入手，详细阐述了LSM树的四大组件（WAL、MemTable、SSTable、Compaction）及其工作流程，并对比分析了HBase、Kafka、Flink和Cassandra等系统如何基于LSM思想实现各自独特优势。最后提供了技术选型指南和优化建议，指出LSM树未来的发展方向。全文

Flink+ClickHouse实战：5大表引擎对比与精准语义保障 摘要：本文深入解析ClickHouse五大核心表引擎特性与适用场景。Log引擎适合小数据测试，MergeTree系列是生产首选，ReplacingMergeTree实现高效去重，SummingMergeTree优化预聚合，Distributed引擎支持水平扩展。针对实时数仓场景，详细介绍了Flink与ClickHouse集成的最佳

大数据组件单线程设计摘要 主流大数据组件(如Kafka、Redis、Flink等)往往采用单线程设计，这并非性能妥协而是经过权衡的最优方案。其核心优势在于：避免锁竞争、降低资源消耗、简化处理逻辑。Java实现单线程主要有三种方式：(1)单线程主循环(如Redis的事件循环)；(2)生产者-消费者模型(如Kafka分区写入)；(3)单线程化线程池(如Spark任务执行)。Kafka通过分区级单线程保

本文介绍了基于Flink Interval Join实现游戏对战实时判定系统的技术方案。针对MOBA、FPS等游戏中的技能命中、伤害计算等核心需求，系统采用Flink的Interval Join特性，能够精确关联时间窗口内的事件流（如技能释放与玩家移动），实现毫秒级延迟的实时判定。文章详细阐述了系统架构设计、数据模型定义以及核心实现逻辑，重点展示了技能命中判定的算法处理流程，包括时间对齐校验、网络