Flink CDC产品常见问题之没有报错但是一直监听不到数据如何解决

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: Flink CDC(Change Data Capture)是一个基于Apache Flink的实时数据变更捕获库,用于实现数据库的实时同步和变更流的处理;在本汇总中,我们组织了关于Flink CDC产品在实践中用户经常提出的问题及其解答,目的是辅助用户更好地理解和应用这一技术,优化实时数据处理流程。

问题一:flink cdc 每秒同步记录数 这个官方有相关压测 的文档吗?


flink cdc 每秒同步记录数 这个官方有相关压测 的文档吗?


参考回答:

参考本图,不完全是压测的场景,还要考虑下游数据写入能力,增量数据只有1个并行度等情况。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/592237


问题二:Flink CDC里为什么使用yarn-session模式这样启用不了checkpoint吗?


Flink CDC里flink run -d -D yarn.application.id=application_xxxx -D execution.checkpointing.interval=60000,flink1.16版本为什么使用yarn-session模式这样启用不了checkpoint吗?


参考回答:

在 Apache Flink 1.16 版本中,在 YARN session 模式下运行 Flink 应用程序,并尝试通过 -D 参数设置 checkpoint 间隔,需要注意以下几点:

  1. YARN Session 和 Checkpoint 配置
    在启动 yarn-session 模式时,你应该先创建一个持久化的 Flink YARN session,然后在提交作业时通过作业的 conf/flink-conf.yaml 或者直接在代码中指定 checkpoint 相关配置。不过,有时候也可以通过 Java API 或命令行参数临时覆盖部分配置项。
    -D execution.checkpointing.interval=60000 这种方式是在命令行上为作业指定自定义配置,但它是否能生效取决于 Flink 是否允许在运行时动态覆盖全局或作业级别的 checkpoint interval 设置。
  2. 正确设置 Checkpoint 间隔
    如果要在命令行提交作业时设置 checkpoint 间隔,确保使用正确的配置键名,对于 checkpoint 间隔应该是:
-D jobmanager.checkpoints.interval=60000

    而不是 execution.checkpointing.interval,虽然在某些版本中两者可能可以互换,但在不同版本间配置键名可能会有所差异。

3.配置生效范围

当你在 Flink 1.16 中通过 -D 参数设置 checkpoint 间隔时,确保这些参数是在提交作业到已经启动的 YARN session 时传递的,而不是在启动 yarn-session 本身时。这是因为启动 session 时不一定会处理作业级别的具体配置。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/592243


问题三:Flink CDC里目前社区版本cdc支持整库同步了么?


Flink CDC里目前社区版本cdc支持整库同步了么?source是PG,sink是hudi。 后面有计划支持么?


参考回答:

目前支持mysql整库同步到starrocks/doris。参考这个:

https://github.com/ververica/flink-cdc-connectors/issues/2861


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/592246


问题四:Flink CDC里这个是怎么回事?


Flink CDC里这个是怎么回事? 什么原因导致起不来的呢?


参考回答:

看着就是没执行或者执行完成退出了。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/592249


问题五:Flink CDC里没有报错,但是一直监听不到数据,是需要什么参数配置吗 ?


Flink CDC里使用flinksql oracle cdc 代码正常起来,没有报错,但是一直监听不到数据,是需要什么参数配置吗 ?一直捕获不到数据,打印到控制台也没有什么输出,建表语句是这个CREATE TABLE source_order (

ID INT,

PRICE DOUBLE,

DESC STRING,

CREATE_TIME TIMESTAMP,

UPDATE_TIME TIMESTAMP

)WITH (

'connector' ='oracle-cdc',

'hostname' = '10.190.228.33',

'port' = '1521',

'username' = 'xxx',

'password' = 'xxx',

'database-name' = 'xxx',

'schema-name' = 'xxx',

'table-name' ='T_ORDER',

'debezium.log.database.tablename.case.insensitive'='false',

'debezium.log.mining.strategy' = 'online_catalog',

'debezium.log.mining.continuous.mine' = 'true'

)


参考回答:

试一下这个'debezium.database.tablename.case.insensitive'='false',

'debezium.database.serverTimezone'='Asia/Shanghai',

'debezium.log.mining.strategy'='online_catalog'或者自己在工具中debug一下cdc源码,看看是哪儿没获取到日志。


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/592255

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
29天前
|
SQL 安全 数据处理
揭秘数据脱敏神器:Flink SQL的神秘力量,守护你的数据宝藏!
【9月更文挑战第7天】在大数据时代,数据管理和处理尤为重要,尤其在保障数据安全与隐私方面。本文探讨如何利用Flink SQL实现数据脱敏,为实时数据处理提供有效的隐私保护方案。数据脱敏涉及在处理、存储或传输前对敏感数据进行加密、遮蔽或替换,以遵守数据保护法规(如GDPR)。Flink SQL通过内置函数和表达式支持这一过程。
56 2
|
2月前
|
存储 SQL 关系型数据库
实时计算 Flink版产品使用问题之如何高效地将各分片存储并跟踪每个分片的消费位置
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
消息中间件 Kafka 数据处理
实时计算 Flink版产品使用问题之如何处理数据并记录每条数据的变更
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
资源调度 Java Scala
实时计算 Flink版产品使用问题之如何实现ZooKeeper抖动导致任务失败时,能从最近的检查点重新启动任务
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
2月前
|
消息中间件 存储 关系型数据库
实时计算 Flink版产品使用问题之同步时,上游批量删除大量数据(如20万条),如何提高删除效率
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
|
Java 中间件 流计算
Flink 如何分流数据
Flink 如何分流数据,3种分流方式
4072 0
|
11天前
|
运维 数据处理 数据安全/隐私保护
阿里云实时计算Flink版测评报告
该测评报告详细介绍了阿里云实时计算Flink版在用户行为分析与标签画像中的应用实践,展示了其毫秒级的数据处理能力和高效的开发流程。报告还全面评测了该服务在稳定性、性能、开发运维及安全性方面的卓越表现,并对比自建Flink集群的优势。最后,报告评估了其成本效益,强调了其灵活扩展性和高投资回报率,适合各类实时数据处理需求。
|
3月前
|
存储 监控 大数据
阿里云实时计算Flink在多行业的应用和实践
本文整理自 Flink Forward Asia 2023 中闭门会的分享。主要分享实时计算在各行业的应用实践,对回归实时计算的重点场景进行介绍以及企业如何使用实时计算技术,并且提供一些在技术架构上的参考建议。
731 7
阿里云实时计算Flink在多行业的应用和实践

相关产品

  • 实时计算 Flink版
  • 下一篇
    无影云桌面