cdc 2.3 数据写入hudi 0.12.1,输出mor表,遇到以下问题:,为什么?

cdc 2.3 数据写入hudi 0.12.1,输出mor表,遇到以下问题: 表数据100w+,在做数据同步时,指定了recordkey和precombine,当下发现数据出现了重复,看一下各位是否遇到此类问题或提供一些出问题思路 图片.png

展开
收起
wenti 2023-01-29 17:30:22 201 分享 版权
1 条回答
写回答
取消 提交回答
  • 当使用 Flink CDC 2.3 将数据写入 Hudi 0.12.1 中的 MOR 表时,出现数据重复的问题,可能是由于以下原因:

    Precombine 逻辑不正确:确保您的预合并逻辑正确,并且不会导致重复的记录。
    主键冲突:检查 Hudi 表的主键是否唯一。如果主键不唯一,则可能会导致重复的记录。
    数据源并发性:确保您的数据源不会在 CDC 进程期间并行写入同一批数据。
    Hudi 表配置:检查 Hudi 表的配置,确保 hoodie.datasource.write.operation 设置为 upsert。
    CDC 配置:检查 CDC 配置,确保启用了预合并,并且预合并函数正确配置。
    其他提示:

    尝试使用较小的数据集进行测试,以查看是否仍然出现重复。
    检查 Hudi 日志以获取有关重复记录的更多信息。
    联系 Hudi 社区以获取进一步的帮助。

    2024-02-23 15:25:24
    赞同 展开评论

实时计算Flink版是阿里云提供的全托管Serverless Flink云服务,基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎,提高作业开发运维效率。

收录在圈子:
实时计算 Flink 版(Alibaba Cloud Realtime Compute for Apache Flink,Powered by Ververica)是阿里云基于 Apache Flink 构建的企业级、高性能实时大数据处理系统,由 Apache Flink 创始团队官方出品,拥有全球统一商业化品牌,完全兼容开源 Flink API,提供丰富的企业级增值功能。
还有其他疑问?
咨询AI助理