我想请教一个问题，虽然可能跟这节课程无关，但是一直是比较困扰我的。 一般我们用flink构建实时数据中心的时候，都难免涉及到一个从交易系统数据库进行CDC的过程，如果这个CDC的过程中间出现中断了（或者其他的数据源产生的过程由于故障中断了），那就会对整个的统计产生比较大的影响，请问在实际生产环境下是如何避免这个问题的呢？

老师，我跑了个WordCount的用例，有个疑问想请教下。flink内存中，存储的是word的具体内容，还是每轮计算之后的结果？比如我给flink的输入是"a a a b b"，那flink算完后在内存中保存的是(a, 3)、(b, 2)，还是保存a、a、a、b、b这个明细？另外，如果任务跑的时间久了，比如累计统计了几十亿个不同的word，会不会有内存溢出的风险？

没有开发经验，感觉听起来有点累

datastream主要操作四部分：1、单条处理 2、窗口处理 3、合并处理 4、拆分处理，这样一分就容易针对每个算子属于哪一部分说明了

这里有个疑问，KeyedStream、物理分组，等等，都是什么场景下会使用呢？老师能举个例子嘛

方便加微信吗

这里感觉应该也结合经典的 ETL 进行解释下，甚至 CDC

老师我想问如果keyby两次, 然后再window()会有几个窗口？ // 我想对不同船(id)的轨迹进行预测, 然后统计各个区域(area)内每一秒的轨迹信息 // 像下面这样写, 最后的窗口是只按area划分的吗, 能达到预期效果嘛? >> stream.keyby("id") // 在里面使用key state存储每条船最新的三个轨迹点 // 根据三个轨迹点 对轨迹进行预测, 输出未来10的预测轨迹 >> .richflatmap() >> .assignTime() // 修改轨迹eventTime为预测出的时间 >> .keyby("area") >> .window(1s) // 只根据区域划分窗口, 长度为1s的滚动窗口 >> .process() // 统计各个区域内某一秒时是否有距离过近的两艘船

老师，我想问下，我的stream在按照id进行keyby后再执行多并行度的算子时可以保证同一个id的数据落算子的同一个子线程任务中吗？