本文原始碼基於flink1.14
上一篇文章分析了《flink的minibatch微批處理》的原始碼
乘熱打鐵分析一下兩階段聚合的原始碼，因為使用兩階段要先開啟minibatch，至於為什麼後面會分析到
兩階段聚合的原理，還是簡單提一下
如下圖，當聚合發生熱點的時候，可以在聚合前，先進行一個本地的聚合，先減小資料量，後接正常的資料交換以後聚合，來達到一個解熱點的目的，
先來看下兩階段聚合的Calcite優化rule
看下什麼情況會匹配上
並且在onmatch方法中會判斷開啟了minibatch，以及二階段聚合的時候會呼叫
來看下具體邏輯match方法
整個兩階段聚合會將原來的一個StreamPhysicalGroupAggregate物理節點，轉換成一個
StreamPhysicalLocalGroupAggregate本地聚合節點 + StreamPhysicalGlobalGroupAggregate聚合節點
來看下這個新新增的StreamPhysicalLocalGroupAggregate本地聚合運算元的計算邏輯是什麼樣子的
StreamExecLocalGroupAggragate就是StreamPhysicalLocalGroupAggregate本地聚合具體的ExecNode節點了
來看下具體的operator
看到這裡是不是看到了熟悉的 MapBundleOperator ，如果看過上一篇minibatch優化的就知道，兩階段提交也是使用的這個有界operator作為抽象
在瞭解一下這個MapBundleOperator
就是每來一條資料，都會呼叫傳入的fun的addInput方法
然後把每個key的結果put儲存在一個本地變數，就是個map<Rowdata,Rowdata>裡面
然後呼叫自己的trigger觸發器，當這條資料可以觸發觸發器就會呼叫finishBundle
這裡說到觸發器，回到初始化mapBundle的時候通過createMiniBatchTrigger建立的一個minibatch的觸發器，看看具體邏輯
其實就是一個普通的count觸發器，觸發條件就是直接使用的minibatch配置的size引數, 所以這裡知道了為什麼兩階段提交要先開minibatch了
先看下每來一條資料會觸發的addInput方法，在來看看攢一個批次後觸發的finishBundle
minibatch會包裝成一個MiniBatchLocalGroupAggFunction這個funtion的addInput來看看
就是來一條資料直接呼叫聚合函式的accumulate直接計算結果了，雖然計算結果但是還沒有往下游傳送
來看下當攢一批後，集體是怎麼往下游傳送的 finishBundle 方法
結果都已經計算好了，攢一個批次還能幹嘛，就是把當前的計算結果往下游傳送唄
那整個二次聚合的優化就講完了
總結一下
sql會將agg拆成 localminiagg + agg
先在本地聚合localConbine一遍，再往下游傳送
下游就正常聚合，優化了熱點的問題