小编Dan*_*iel的帖子

import tensorflow as tf

B = 3
D = 4
T = 5

tf.reset_default_graph()

xs = tf.placeholder(shape=[T, B, D], dtype=tf.float32)

with tf.variable_scope("RNN"):
    GRUcell = tf.contrib.rnn.GRUCell(num_units = D)
    cell = tf.contrib.rnn.MultiRNNCell([GRUcell]) 

    output_ta = tf.TensorArray(size=T, dtype=tf.float32)
    input_ta = tf.TensorArray(size=T, dtype=tf.float32)
    input_ta.unstack(xs)

    def body(time, output_ta_t, state):
        xt = input_ta.read(time)
        new_output, new_state = cell(xt, state)
        output_ta_t.write(time, new_output)
        return (time+1, output_ta_t, new_state)

    def condition(time, output, state):
        return time < T

    time = 0
    state = cell.zero_state(B, tf.float32)

    time_final, output_ta_final, state_final = tf.while_loop(
          cond=condition,
          body=body,
          loop_vars=(time, …

以编程方式生成的动态链接未被正确捕获

FirebaseDynamicLinks.instance.getInitialLink().

如果应用程序已关闭。但是，如果应用程序处于打开状态，侦听器会正确检测到新传入的动态链接。我不清楚这是否是设置问题，我是如何生成动态链接的。

再现

首先按照文档为 Flutter 项目设置 Firebase。然后设置动态链接：

/// See also
/// https://firebase.google.com/docs/dynamic-links/use-cases/rewarded-referral
/// how to implement referral schemes using Firebase.
Future<ShortDynamicLink> buildDynamicLink(String userId) async {
  final PackageInfo packageInfo = await PackageInfo.fromPlatform();
  final String packageName = packageInfo.packageName;

  var androidParams = AndroidParameters(
    packageName: packageInfo.packageName,
    minimumVersion: Constants.androidVersion, // app version and not the Android OS version
  );

  var iosParams = IosParameters(
    bundleId: packageInfo.packageName,
    minimumVersion: Constants.iosVersion, // app version and not the iOS version
    appStoreId: Constants.iosAppStoreId,
  );

  var socialMetaTagParams = SocialMetaTagParameters(
    title: 'Referral …

我正在尝试使用Confluent S3接收器的TimeBasedPartitioner.这是我的配置:

{  
"name":"s3-sink",
"config":{  
    "connector.class":"io.confluent.connect.s3.S3SinkConnector",
    "tasks.max":"1",
    "file":"test.sink.txt",
    "topics":"xxxxx",
    "s3.region":"yyyyyy",
    "s3.bucket.name":"zzzzzzz",
    "s3.part.size":"5242880",
    "flush.size":"1000",
    "storage.class":"io.confluent.connect.s3.storage.S3Storage",
    "format.class":"io.confluent.connect.s3.format.avro.AvroFormat",
    "schema.generator.class":"io.confluent.connect.storage.hive.schema.DefaultSchemaGenerator",
    "partitioner.class":"io.confluent.connect.storage.partitioner.TimeBasedPartitioner",
    "timestamp.extractor":"Record",
    "timestamp.field":"local_timestamp",
    "path.format":"YYYY-MM-dd-HH",
    "partition.duration.ms":"3600000",
    "schema.compatibility":"NONE"
}

}

数据是二进制的,我使用avro方案.我想使用实际记录字段"local_timestamp",它是一个UNIX时间戳来对数据进行分区,比如分成小时文件.

我使用通常的REST API调用启动连接器

curl -X POST -H "Content-Type: application/json" --data @s3-config.json http://localhost:8083/connectors

不幸的是,数据没有按照我的意愿进行分区.我也试图删除刷新大小,因为这可能会干扰.但后来我得到了错误

{"error_code":400,"message":"Connector configuration is invalid and contains the following 1 error(s):\nMissing required configuration \"flush.size\" which has no default value.\nYou can also find the above list of errors at the endpoint `/{connectorType}/config/validate`"}%

知道如何正确设置TimeBasedPartioner吗？我找不到一个有效的例子.

另外,如何调试这样的问题或进一步了解连接器实际上在做什么？

非常感谢任何帮助或进一步的建议.

我必须处理时区和纳秒时间分辨率。因此我使用 ZonedDateTime。显然 Apache Flink 没有正确序列化 ZonedDateTime。它确实按预期序列化了 LocalDateTime 部分，但是，它忘记了处理时区。

例如，当我在 Flink 流映射函数中记录分区日期时，我总是得到类似的信息

 2018-03-01T04:10:30.773471918null

而在数据开始时我得到了正确的区域

 2018-03-01T04:10:30.773471918-05:00

null 指的是区域。当然，后来我得到了一个空指针异常，因为我必须使用适当的时间比较，这需要区域。

我怎样才能最简单地解决这个问题？感谢您的回复。

我尝试了解 ProcessWindowFunction 中可以使用的各种状态的差异。

首先，ProcessWindowFunction是一个AbstractRichFunction

abstract class ProcessWindowFunction[IN, OUT, KEY, W <: Window]
    extends AbstractRichFunction {...}

因此它可以使用该方法

public RuntimeContext getRuntimeContext() 

获得一个状态

getRuntimeContext().getState

更多，WindowProcessFunction的处理函数

def process(key: KEY, context: Context, elements: Iterable[IN], out: 
    Collector[OUT]) {}

有一个上下文，其中又有两种方法允许我获取状态：

/**
  * State accessor for per-key and per-window state.
  */
def windowState: KeyedStateStore

/**
  * State accessor for per-key global state.
  */
def globalState: KeyedStateStore

这是我的问题：

1）这些与 getRuntimeContext().getState 有什么关系？

2）我经常使用自定义触发器实现和全局窗口。在这种情况下，使用 getPartitionedState 检索状态。我可以在触发函数中访问 WindowProcessFunction 中定义的窗口状态吗？如果是这样怎么办？

3）Trigger类中没有可以重写的open方法，状态创建是如何处理的？只调用 getPartitionedState 是否安全，它还管理状态创建？

我想在F#对象表达式中有一个可变状态.第一种方法是使用ref单元格如下:

type PP =
    abstract member A : int

let foo =
    let a = ref 0
    { new PP with
        member x.A = 
            let ret = !a
            a := !a + 1
            ret 
    }

printfn "%A" foo.A
printfn "%A" foo.A
printfn "%A" foo.A
printfn "%A" foo.A

一种不同的方法如下:

type State(s : int) =
    let mutable intState = s
    member x.state 
        with get () = intState
        and set v = intState <- v 

[<AbstractClass>]         
type PPP(state : State) =
    abstract member …

我喜欢在Avro模式中多次使用相同的记录类型。考虑此架构定义

{
    “ type”：“记录”，
    “ name”：“ OrderBook”，
    “ namespace”：“ my.types”，
    “ doc”：“测试订单更新”，
    “字段”：[
        {
            “ name”：“出价”，
            “类型”：{
                “ type”：“ array”，
                “项目”：{
                    “ type”：“记录”，
                    “ name”：“ OrderBookVolume”，
                    “ namespace”：“ my.types”，
                    “字段”：[
                        {
                            “ name”：“ price”，
                            “ type”：“ double”
                        }，
                        {
                            “ name”：“ volume”，
                            “ type”：“ double”
                        }
                    ]
                }
            }
        }，
        {
            “ name”：“询问”，
            “类型”：{
                “ type”：“ array”，
                “项目”：{
                    “ type”：“记录”，
                    “ name”：“ OrderBookVolume”，
                    “ namespace”：“ my.types”，
                    “字段”：[
                        {
                            “ name”：“ price”，
                            “ type”：“ double”
                        }，
                        {
                            “ name”：“ volume”，
                            “ …