问题一：flink 1.10 kafka collector topic 配置pattern
请教大家，flink 1.10里面kafka connector 不能配置topic pattern，后续会支持吗？
参考回答：
可以关注下：https://issues.apache.org/jira/browse/FLINK-18449
预计1.12会支持。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/371672
问题二：kafkaf To mysql 写入问题
请教两个问题 1) 用下面的代码消费kafka 发生序列化异常时，会发生JOB反复重试，重启后也是这样， 改用FlinkKafkaConsumer010类的话，有相关的解决方法，参照https://stackoverflow.com/questions/51301549/how-to-handle-exception-while-parsing-json-in-flink/51302225 不知道，用Kafka类的话，如何解决 .connect( new Kafka() .version("0.10") .topic("test-input") 2) 对于timestamp类型字段，用JDBCAppendTableSink 把DataStream 写入到mysql时，会发下面的错误LocalTimeStamp到Timestamp的转型错误 kafka消息是avro格式，字段类型设置为timestamp（3），我是把System.currentTimeMillis()写入到kafka中的 jdbc参数类型设置为Types.SQL_TIMESTAMP
参考回答：
估计需要使用Flink 1.11。
1.JSON Format有参数控制 [1]
2.是之前的bug，Flink 1.11应该是不会存在了，不确定1.10.1有没有修。
[1]
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/371671
问题三：rocksdb的block cache usage应该如何使用
通过 state.backend.rocksdb.metrics.block-cache-usage: true开启 rocksdb_block_cache_usage监控，上报到prometheus，对应的指标名称是 flink_taskmanager_job_task_operator_window_contents_rocksdb_block_cache_usage。
我们的作业一个TM的内存设置如下：
taskmanager.memory.process.size: 23000m taskmanager.memory.managed.fraction: 0.4
ui上显示的Flink Managed MEM是8.48G。
通过grafana配置出来的图，如果group by的维度是host，得出来的每个TM在作业稳定后是45G，超过8.48G了。
sum(flink_taskmanager_job_task_operator_window_contents_rocksdb_block_cache_usage{reportName=~"$reportName"}) by (host)
如果维度是host，operator_name，每个operator_name维度是22G。
sum(flink_taskmanager_job_task_operator_window_contents_rocksdb_block_cache_usage{reportName=~"$reportName"}) by (host,operator_name)
请问这个指标应该如何使用？
参考回答：
默认Flink启用了rocksDB 的managed memory，这里涉及到这个功能的实现原理，简单来说，一个slot里面的所有rocksDB实例底层“托管”内存的LRU block cache均是一个，这样你可以根据taskmanager和subtask_index 作为tag来区分，你会发现在同一个TM里面的某个subtask对应的不同column_family 的block cache的数值均是完全相同的。所以不需要将这个数值进行求和统计。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/371670
问题四：flink对task分配slot问题
请教一个问题，当前同一个job下的多个task（不在一个算子链）中，都会存在某一个subTask任务过重，这些subTask会分配到同一个slot下吗？
flink在对subTask分配slot时候，会先判断slot当前存在的任务数，磁盘IO之类的吗？
参考回答：
Flink 在进行 slot sharing 的时候，不会考虑当前 slot 的任务数、磁盘 IO 这些，而是会遵循“相同 task 的多个
subtask 不能分配到同一个 slot 中”这样的一个规则。
举个例子：
如果作业中有 A, B 两个 vertex，并发为 2，那就有 A1, A2, B1, B2 这 4 个 subtask。
那么 A1 和 A2 不能放到一个 slot 中，B1 和 B2 不能够放到一个 slot 中。
所以，slot sharing 的结果只能是 (A1, B1), (A2, B2) 或 (A1, B2), (A2, B1) 这两种情况。
通常情况下，A 和 B 之间的负载可能存在较大差异，而 A1 和 A2、B1 和 B2 之间通常不会有太大差异。
因此，slot sharing 的规则使得每个 slot 中都分配了一个 A 和一个 B，各个 slot 之间的负载大体上是均衡的。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/371669
问题五：做实时数仓，sql怎么保证分topic区有序
就是我用 flink sql 通过ddl读取和写入kafka怎么设置并行度呢？ flink sql 通过ddl写入kafka怎么自定义分区呢？
这样才能保证提高消费能力。和保证数据有序。 但是好像没有发现再table模式 或者sql 语句上设置 或者做自定义分区。
参考回答：
sql似乎不支持相关的设置，可以通过env或配置文件设置所有蒜子的并行度。
你可以试试流转表，可以做到细粒度的控制。
关于本问题的更多回答可点击原文查看：https://developer.aliyun.com/ask/371668
