热存储关联:利用Flink的RichAsyncFunction读取外部存储的数据到缓存中，我们在关联维度表时先去查询缓存，如果缓存中不存在这条数据，就利用客户端去查询外部存储，然后插入到缓存中, 可以使用 Guava 库提供的 CacheBuilder 来创建缓存。

业务计算中，我们经常会遇到使用Flink实时计算UV的问题，比如计算一天的实时UV，或者每个小时的UV。应为UV是需要去重的，再大数据量的情况下，如何使用Flink进行高效的UV统计呢#比如计算一天实时UV

对于Flink，Spark在Yarn上提交的LongTime Job(比如一个批处理作业要运行几个小时或者本身就是实时作业)，其作业的运行日志我们不能等到作业结束后，通过Yarn日志聚合后查看，我们希望作业提交后就能够马上看到运行日志( 这里注意，你的作业被调度到集群的各个计算节点中,比如你的集群有100个节点，你的作业可能被调度到几十个个节点中)，如何能够实时方面的查看所有节点产生的日志呢？

高可用的集群中namenode宕机了，怎么恢复的？数据如何转移？首先进入安全模式: hdfs dfsadmin -safemode enter然后刷一下active节点的log到image hdfs dfsadmin -saveNamespace然后将active节点的image文件全部拷贝到故障节点的相应目录下

目前在Hadoop中用得比较多的有lzo，gzip，snappy，bzip2这4种压缩格式，笔者根据实践经验介绍一下这4种压缩格式的优缺点和应用场景，以便大家在实践中根据实际情况选择不同的压缩格式。