Yangtiancoder
diff --git a/‎Structured Streaming 源码解析系列/3.imgs/200.png
2.49 KB b/‎Structured Streaming 源码解析系列/3.imgs/200.png
2.49 KB
diff --git a/‎Structured Streaming 源码解析系列/4.1 Structured Streaming 之 Event Time 解析.md
Lines changed: 11 additions & 3 deletions b/‎Structured Streaming 源码解析系列/4.1 Structured Streaming 之 Event Time 解析.md
Lines changed: 11 additions & 3 deletions
diff --git a/‎Structured Streaming 源码解析系列/4.imgs/100.png
-6.77 KB b/‎Structured Streaming 源码解析系列/4.imgs/100.png
-6.77 KB
diff --git a/‎Structured Streaming 源码解析系列/4.imgs/230.png
170 KB b/‎Structured Streaming 源码解析系列/4.imgs/230.png
170 KB
@@ -38,7 +38,7 @@ val windowedCounts = words.groupBy(
 
 - 我们有一系列 arriving 的 records
 - 首先是一个对着时间列 `timestamp` 做长度为`10m`，滑动为`5m` 的 *window()* 操作
-  - 例如下图右上角的虚框部分，当达到一条记录 `12:11|dog` 时，会将 `12:11` 归入两个窗口 `12:05-12:15`、`12:10-12:20`，所以产生两条记录：`12:05-12:15|dog`、`12:10-12:20|dog`，对于记录 `12:13|owl` 同理产生两条记录：`12:05-12:15|owl`、`12:10-12:20|owl`
+  - 例如上图右上角的虚框部分，当达到一条记录 `12:22|dog` 时，会将 `12:22` 归入两个窗口 `12:15-12:25`、`12:20-12:30`，所以产生两条记录：`12:15-12:25|dog`、`12:20-12:30|dog`，对于记录 `12:24|dog owl` 同理产生两条记录：`12:15-12:25|dog owl`、`12:20-12:30|dog owl`
   - 所以这里 *window()* 操作的本质是 *explode()*，可由一条数据产生多条数据
 - 然后对 *window()* 操作的结果，以 `window` 列和 `word` 列为 key，做 *groupBy().count()* 操作
   - 这个操作的聚合过程是增量的（借助 StateStore）
@@ -78,11 +78,19 @@ Append 的语义将保证，一旦输出了某条 key，未来就不会再输出
 
 #### (c) Update
 
-//TODO: Update this section as soon as `update` mode is officially released
+> 小节注：本节 Update 模式的相关内容适用于 ≥ Spark 2.1.1 版本 —— 官方已开发完成，但尚未正式发布
+
+<p align="center"><img src="4.imgs/230.png"></p>
+
+如上图所示，在 Update 模式中，只有本执行批次 State 中被更新了的条目会被输出：
+
+- 在 12:10 这个执行批次，State 中全部 2 条都是新增的（因而也都是被更新了的），所以输出全部 2 条；
+- 在 12:20 这个执行批次，State 中 2 条是被更新了的、 4 条都是新增的（因而也都是被更新了的），所以输出全部 6 条；
+- 在 12:30 这个执行批次，State 中 4 条是被更新了的，所以输出 4 条。这些需要特别注意的一点是，如 Append 模式一样，本执行批次中由于（通过  watermark 机制）确认 `12:00-12:10` 这个 window 不会再被更新，因而将其从 State 中去除，但没有因此产生输出。
 
 ## 总结
 
-本文解析了 Structured Streaming 原生提供的对 event time 的支持，包括 window()、groupBy() 增量聚合、对 late date 的支持、以及在 Complete, Append 模式下的输出结果。
+本文解析了 Structured Streaming 原生提供的对 event time 的支持，包括 window()、groupBy() 增量聚合、对 late date 的支持、以及在 Complete, Append, Update 模式下的输出结果。
 
 ## 扩展阅读