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
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
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。
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。