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
|
13天前
|
监控 关系型数据库 MySQL
Flink CDC MySQL同步MySQL错误记录
在使用Flink CDC同步MySQL数据时,常见的错误包括连接错误、权限错误、表结构变化、数据类型不匹配、主键冲突和
57 16
|
2月前
|
消息中间件 资源调度 关系型数据库
如何在Flink on YARN环境中配置Debezium CDC 3.0,以实现实时捕获数据库变更事件并将其传输到Flink进行处理
本文介绍了如何在Flink on YARN环境中配置Debezium CDC 3.0,以实现实时捕获数据库变更事件并将其传输到Flink进行处理。主要内容包括安装Debezium、配置Kafka Connect、创建Flink任务以及启动任务的具体步骤,为构建实时数据管道提供了详细指导。
110 9
|
4月前
|
算法 API Apache
Flink CDC:新一代实时数据集成框架
本文源自阿里云实时计算团队 Apache Flink Committer 任庆盛在 Apache Asia CommunityOverCode 2024 的分享,涵盖 Flink CDC 的概念、版本历程、内部实现及社区未来规划。Flink CDC 是一种基于数据库日志的 CDC 技术实现的数据集成框架,能高效完成全量和增量数据的实时同步。自 2020 年以来,Flink CDC 经过多次迭代,已成为功能强大的实时数据集成工具,支持多种数据库和数据湖仓系统。未来将进一步扩展生态并提升稳定性。
704 2
Flink CDC:新一代实时数据集成框架
|
4月前
|
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。
|
2月前
|
存储 分布式计算 流计算
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
本文介绍了阿里云开源大数据团队在实时计算领域的最新成果——向量化流计算引擎Flash。文章主要内容包括:Apache Flink 成为业界流计算标准、Flash 核心技术解读、性能测试数据以及在阿里巴巴集团的落地效果。Flash 是一款完全兼容 Apache Flink 的新一代流计算引擎,通过向量化技术和 C++ 实现,大幅提升了性能和成本效益。
1374 73
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
|
6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。
881 7
阿里云实时计算Flink在多行业的应用和实践
|
4天前
|
存储 关系型数据库 BI
实时计算UniFlow:Flink+Paimon构建流批一体实时湖仓
实时计算架构中,传统湖仓架构在数据流量管控和应用场景支持上表现良好,但在实际运营中常忽略细节,导致新问题。为解决这些问题,提出了流批一体的实时计算湖仓架构——UniFlow。该架构通过统一的流批计算引擎、存储格式(如Paimon)和Flink CDC工具,简化开发流程,降低成本,并确保数据一致性和实时性。UniFlow还引入了Flink Materialized Table,实现了声明式ETL,优化了调度和执行模式,使用户能灵活调整新鲜度与成本。最终,UniFlow不仅提高了开发和运维效率,还提供了更实时的数据支持,满足业务决策需求。
zdl
|
2月前
|
消息中间件 运维 大数据
大数据实时计算产品的对比测评:实时计算Flink版 VS 自建Flink集群
本文介绍了实时计算Flink版与自建Flink集群的对比,涵盖部署成本、性能表现、易用性和企业级能力等方面。实时计算Flink版作为全托管服务,显著降低了运维成本,提供了强大的集成能力和弹性扩展,特别适合中小型团队和业务波动大的场景。文中还提出了改进建议,并探讨了与其他产品的联动可能性。总结指出,实时计算Flink版在简化运维、降低成本和提升易用性方面表现出色,是大数据实时计算的优选方案。
zdl
170 56
|
5月前
|
SQL 消息中间件 Kafka
实时计算 Flink版产品使用问题之如何在EMR-Flink的Flink SOL中针对source表单独设置并行度
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
|
SQL 运维 数据可视化
阿里云实时计算Flink版产品体验测评
阿里云实时计算Flink基于Apache Flink构建,提供一站式实时大数据分析平台,支持端到端亚秒级实时数据分析,适用于实时大屏、实时报表、实时ETL和风控监测等场景,具备高性价比、开发效率、运维管理和企业安全等优势。

相关产品

  • 实时计算 Flink版