还有这类公司推荐吗，看了巴斯夫招聘在江浙沪没有合适的岗

@edis0n0 #10 不重启容器里的服务，而是选择重启容器，是因为考虑实现更简单吗？

@zqjilove #1 英文内容也不行了现在，都是菠菜农场？

团队里的工人同志们身体还好吧，有安排做体检吗？

“主管让我们后台大致评估一个方案，给产品。以这个同事为主，有不清晰的可以问我，我辅助他”

他是任务负责人，你可以完全不用管，他要做会主动找你，他不做也不影响你，少一事更好。

楼主应该是比较有责任心。

@fengjianxinghun #9 不要忘了农民，工农不分家，改开原始积累靠剥削农民

@leonme #14 看上去
1. 不要用 Spark 直接写 MQ （瞬间写几千万到队列也不是很合适的样子，除非实时性要求高，下游可以瞬间消费完）
2. 调整消费端的消费策略（推荐）

一点建议，仅供参考

@leonme #11 老哥，我看你主题描述的是想控制 Spark 写 MQ 的速度，这边回复里说是想控制消费端消费 MQ 的速度

我没有裸写程序消费 Kafka 的经验，不过我有用过 Flink 消费 Kafka ，可以限制消费速度，比如隔多久 fetch 一次，fetch size 啥的，也许可以参考。补充一下，我也是所有数据都推同一个 topic ，多个 flink 应用消费同一个 topic ，根据条件过滤无关的消息，几千万数据倒是没有不稳定的。

可能我经验不足，有点不明白的是，你的消费端程序难道不是按一定频率通过偏移量读消息（比如等待几秒再更新一次），而是只要来了就立马消费？

老哥可以试试小冰，月亮湾那里

@leonme #7 给个参考：
1. Spark 写 Parquet 文件，这个写完很快，不会占用太久集群资源
2. DataX 之类工具读 Parquet 写 DB ，可以设置并发和 Batch Size ，开很小的资源就够了
以上是离线处理的场景，你的场景是什么？

要不要天眼查企查查上看一下这些公司经营状况，股权背景？

请问是用 Spark Streaming 吗？以我的理解 Spark 适合批量写，不知道你这个场景是不是适合用流处理
以前我有个需求，设置一定速率来读取数据库、文件等来源的数据，发送到 Redis 队列里，不能超过队列预定的容量，我是手写 Python 处理的
当然这个得根据你的数据量来考虑了

@berg223 #7 老哥解答的很棒
我 Java 不熟悉，不过稍微熟悉一点 Spark ，Spark 读 JDBC 的时候有一些参数设置提供范围分区并发读取，不过需要一个数字类型主键。对于文件 IO ，这个也许可以参考 Kafka 写优化的特点

@Pantheoon #3 不好意思老哥，我是脉脉上看到信息投的
请问能同时投多个岗位吗

老哥，请问下走内推链接投了，一般几天收到拒信啊，还是直接没有

更新了 boss 信息，这几天二三十个外包和 500 人以下的小公司打招呼，80%外包，中软、软通、博彦啥的，还有晚上十一点打招呼的，太辛苦了。
主动打招呼十几个，绝大部分未读，就一个面试，等反馈呢，估计悬
试水体验，寒气逼人

长耗时指多久，分钟级别还是小时级别？
这个可以参考下 https://github.com/RandyDeng/rq-docker-supervisor
supervisor 比较适合托管后台任务
如果并行任务是 CPU 密集型

换种思路，也许可以考虑 lambda function

请问会卡学历不，双非