大数据专题（五）：Flink 实时计算，乱序事件如何得到正确结果
用真实 Kafka 与 Flink 链路观察事件时间、Watermark、窗口更新、状态与 Checkpoint，验证迟到事件和 TaskManager 故障后的结果。
博客
勤学如春起之苗，不见其增，日有所长。辍学如磨刀之石，不见其损，日有所亏。
共 56 篇文章 · 当前 21–30 篇 · 2015—2026
大数据专题（四）：Spark 批处理，一条 SQL 如何变成分布式计算
沿着播放明细关联视频维度的执行过程理解 Stage、Task、Shuffle、Join 和 AQE，用百万条热点数据观察真实计划与运行指标。
大数据专题（三）：从文件到分析表，Parquet、数仓分层与 Iceberg
用同一批播放事件观察列式文件与分析表的不同职责，串起事实与维度、数仓分层、分区裁剪、小文件、Schema 演进和历史快照查询。
大数据专题（二）：Kafka 数据接入，分区、消费进度与可靠重放
从视频播放事件的接入与积压出发，理解分区键、消费位置、提交顺序和幂等边界，用真实 Kafka 实验观察恢复消费与主动回放。
大数据专题（一）：从业务数据库到数据平台，一条分析链路如何形成
以视频播放事件为主线，拆解事务与分析、批处理与流处理的职责，先建立指标口径和可核对的参考答案，再连接 Kafka、Spark、Flink 与 Iceberg。
CompletableFuture 实战：并行聚合、异常与超时
以多商家比价为例构建 CompletableFuture 任务图，验证结果组合、异常降级、超时与取消，明确完成状态和底层任务生命周期的区别。
ThreadLocal 在线程池中的边界：上下文、串值与清理
在单线程池中稳定复现请求上下文残留，解释 ThreadLocal 的引用关系、异常清理和跨线程传播，并区分串值与内存滞留。
沿着 ReentrantLock 读懂 AQS：获取、排队与唤醒
以 OpenJDK 21 为固定源码基线，沿 ReentrantLock 的获取与释放路径理解 AQS，并用排队、中断与超时实验验证使用边界。
线程如何等待与退出：中断、Condition 与 LockSupport
从可取消的报价任务出发，解释中断标记、条件等待和 park/unpark 许可，用有截止时间的实验验证协作式退出。
理解 synchronized：从互斥语义到 HotSpot 锁实现
通过库存计数、实例锁与类锁实验理解 synchronized，再用固定环境的 JOL 结果解释对象头和 HotSpot 实现的版本边界。