Flink/Spark 如何实现动态更新作业配置

由于实时场景对可用性十分敏感，实时作业通常需要避免频繁重启，因此动态加载作业配置（变量）是实时计算里十分常见的需求，比如通常复杂事件处理 (CEP) 的规则或者在线机器学习的模型。尽管常见，实现起来却并没有那么简单，其中最难点在于如何确保节点状态在变更期间的一致性。目前来说一般有两种实现方式： 轮询拉取方式，即作业算子定时检测在外部系统的配置是否有变更，若有则同步配置。 控制流方式，即作业除了用于

>>阅读原文<<