Flink CDC编译问题之编译失败如何解决

本文涉及的产品
实时计算 Flink 版,1000CU*H 3个月
简介: Flink CDC编译指的是将Flink CDC源代码转换成可执行程序的过程,可能会涉及到依赖管理和环境配置等问题;本合集将介绍Flink CDC编译的步骤、常见错误及其解决办法,以确保顺利完成编译过程。

问题一:Flink CDC中dinky 整库同步pg到hudi,知道这是什么原因?

问题1:Flink CDC中dinky 整库同步pg到hudi,知道这是什么原因?

Caused by: java.lang.NoClassDefFoundError: Could not initialize class org.apache.hudi.configuration.FlinkOptions

问题2:pg整库同步到hudi并同步到hive网上下载的包hudi-flink1.13-bundle-0.13.1.jar,放在dinky插件和上传到hdfs上,就报这个错,这个包需要自己编译?



参考答案:

"回答1:要么没包,要么包冲突。第一步走的是配置文件加载,直接是找不到这个文件加载类org.apache.hudi.configuration.FlinkOptions

回答2: 将 Flink 集群上已扩展好的 Connector 直接放入 Dlink 的 lib 或者 plugins 下,然后重启即可。定制 Connector 过程同 Flink 官方一样。我理解这是需要放两个地方?一个flink的集群,一个在 Dlink 的 lib 或者 plugins。



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/541257?spm=a2c6h.13066369.question.16.61ee1fbaFgkGrP



问题二:Flink CDC中 为什么这么写编译不过?

"Flink CDC中 为什么这么写编译不过?

CREATE TABLE RMS_STORAGE_OUT_CARDS(

C_ID INT,

C_STORAGE_OUT_ITEM_ID INT,

C_CARD_NUMBER STRING,

C_GOODS_ID INT,

C_STATUS INT,

C_CREATEDBY STRING,

C_CREATEDON TIMESTAMP,

C_CHANNEL_CODE STRING,

C_HOSPID STRING,

proc_time AS PROCTIME(),

PRIMARY KEY (C_ID) NOT ENFORCED

) WITH (

'connector' = 'oracle-cdc',

'hostname' = 'oracle12cdb.xxxx.com',

'port' = '1521',

'username' = 'misnew',

'password' = 'mis32006',

'database-name' = 'XXXXRAC',

'schema-name' = 'RMS',

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

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

'debezium.include.schema.changes' = 'false',

'scan.incremental.snapshot.chunk.key-column' = 'C_ID',

'scan.incremental.snapshot.chunk.size' = '80960' ,

'scan.snapshot.fetch.size' = '1024',

'table-name' = 'RMS_STORAGE_OUT_CARDS'

);

CREATE TABLE RMS_GOODS_BATCH(

C_ID INT,

C_NAME STRING,

C_OUTER_ID INT,

C_TYPE INT,

C_CARDTYPE INT,

C_START_DATE TIMESTAMP,

C_END_DATE TIMESTAMP,

C_PRICE DECIMAL(10,2),

C_GOODS_ID INT,

C_ENABLE INT,

C_FLAG INT,

C_SMS_TPL STRING,

C_CREATEDBY STRING,

C_CREATEDON TIMESTAMP,

C_OP_USER STRING,

C_OP_TIME TIMESTAMP,

PRIMARY KEY (C_ID) NOT ENFORCED

) WITH (

'connector' = 'jdbc',

'url' = 'jdbc:oracle:thin:@oracle12cdb.xxxx.com:1521:xxxxrac',

'driver' = 'oracle.jdbc.driver.OracleDriver',

'username' = 'misnew',

'password' = 'mis32006',

'table-name' = 'RMS.RMS_GOODS_BATCH'

);

CREATE TABLE RMS_STORAGE_OUT_ITEM(

C_ID INT,

C_STORAGE_OUT_ID INT,

C_SALE_ITEM_ID INT,

C_BATCH_ID STRING,

C_GOODS_ID INT,

C_GOODS_CODE STRING,

C_SALE_PRICE DECIMAL(10,2),

C_CARD_TYPE STRING,

C_GOODS_NAME STRING,

C_AMOUNT INT,

C_REMARK STRING,

C_PRICE DECIMAL(10,2),

C_CHARGE_TYPE INT,

C_CHARGE_ID INT,

PRIMARY KEY (C_ID) NOT ENFORCED

) WITH (

'connector' = 'jdbc',

'url' = 'jdbc:oracle:thin:@oracle12cdb.xxxx.com:1521:xxxxrac',

'driver' = 'oracle.jdbc.driver.OracleDriver',

'username' = 'misnew',

'password' = 'mis32006',

'table-name' = 'RMS.RMS_STORAGE_OUT_ITEM'

);

CREATE TABLE sink_rms_storage_out_cards (

C_ID INT,

C_CARD_NUMBER STRING,

C_STATUS INT,

C_CREATEDBY STRING,

C_CREATEDON TIMESTAMP,

C_CHANNEL_CODE STRING,

C_HOSPID STRING,

CARD_TYPE INT,

SALE_PRICE DECIMAL(10,2),

C_CHARGE_TYPE INT,

PRIMARY KEY (C_ID) NOT ENFORCED

) WITH (

'connector' = 'jdbc',

'url' = 'jdbc:mysql://10.108.37.132:3306/test',

'driver' = 'com.mysql.cj.jdbc.Driver',

'username' = 'root',

'password' = '123456',

'table-name' = 'rms_storage_out_cards2');

insert into sink_rms_storage_out_cards

select

o.C_ID ,

o.C_CARD_NUMBER ,

o.C_STATUS ,

o.C_CREATEDBY ,

o.C_CREATEDO

"



参考答案:

" 你sql写的不对,当然有问题。

insert into sink_rms_storage_out_cards

select

o.C_ID ,

o.C_CARD_NUMBER ,

o.C_STATUS ,

o.C_CREATEDBY ,

o.C_CREATEDON ,

o.C_CHANNEL_CODE ,

o.C_HOSPID ,

b.C_TYPE ,

i.C_SALE_PRICE ,

i.C_CHARGE_TYPE

from

(

select C_ID

,C_CARD_NUMBER

,C_STATUS

,C_CREATEDBY

,C_CREATEDON

,C_CHANNEL_CODE

,C_HOSPID

,C_STORAGE_OUT_ITEM_ID

,cast(C_STORAGE_OUT_ITEM_ID as string) as C_STORAGE_OUT_ITEM_ID2

from RMS_STORAGE_OUT_CARDS

) AS o

LEFT JOIN

BATCH_ID FROM RMS_STORAGE_OUT_ITEM FOR SYSTEM_TIME AS OF o.proc_time AS i

ON o.C_STORAGE_OUT_ITEM_ID2 = i.C_ID

LEFT JOIN

RMS_GOODS_BATCH FOR SYSTEM_TIME AS OF o.proc_time AS b

ON i.BATCH_ID = b.C_ID

;

o表忘了加proc_time,自己手机加下



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/536095?spm=a2c6h.13066369.question.17.61ee1fbavRVx91



问题三:大佬们,请教一个Flink CDC问题。我使用flink1.15.4版本,使用的是自编译的mysq?

大佬们,请教一个Flink CDC问题。我使用flink1.15.4版本,使用的是自编译的mysql-cdc-2.3-SNAPSHOT。我们之前用mysql5.7,使用mysql cdc同步数据时,配置了'server-id'='6601-6616',一个flink 作业同时同步16张表,这个配置在mysql 5.7是可行的。最近我们把mysql升级到了8.0版本,这个配置就失效了,会报“A slave with the same server_uuid/server_id as this slave has connected to the master; ”,检查mysql是没有同server_id冲突的,判断是cdc的问题。'server-id'='6601',逐个起作业是可以的,但这样会导致有16个实例在读binlog,流量和负载都加了16倍。请教一下,这个问题社区里有遇到过吗?我在社区FQA文档没有找到这种问题。有空的话,麻烦回复一下,不胜感谢!



参考答案:

非常抱歉,但我无法提供关于自编译的 MySQL CDC 的支持,因为它不是官方提供的版本。我只能为您提供关于官方发布版本的支持和建议。

根据您的描述,当您将 MySQL 升级到 8.0 版本后,使用了之前在 MySQL 5.7 版本中有效的配置 'server-id'='6601-6616' 时出现了问题,并报告了 "A slave with the same server_uuid/server_id as this slave has connected to the master" 的错误。这可能是由于 MySQL 8.0 对于复制机制的改变导致的。

在 MySQL 8.0 中,服务器生成 UUID 作为 server_id,并且不再接受范围形式的 server_id。因此,在 Flink CDC 中配置 'server-id'='6601-6616' 将不再起作用。

解决此问题的方法是为每个 Flink CDC 任务分配唯一的 server_id。您可以尝试将 'server-id'='6601' 配置应用于每个 Flink CDC 任务,并确保每个任务都有唯一的 server_id。这样做确实会增加实例数量,但这是必要的,以避免 server_id 冲突并继续进行正确的数据同步。

如果您仍然希望使用多个 server_id 来减少实例数量,您可能需要考虑使用其他支持 MySQL 8.0 的 CDC 解决方案,例如 Debezium 或 Canal。这些解决方案提供了更灵活和全面的 MySQL CDC 功能,并且可以与 Flink 集成。

希望以上信息对您有所帮助!如果您还有其他疑问,请随时提问。



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/531421?spm=a2c6h.13066369.question.20.61ee1fba0Mp5e0



问题四:Flink CDC中有人编译安装过 impala4.x版本么?非CDH安装方式;

Flink CDC中有人编译安装过 impala4.x版本么?非CDH安装方式;



参考答案:

我没有编译安装过 impala4.x 版本,但是我找到了一个参考链接:https://www.jianshu.com/p/5ebb623f6170。这个链接介绍了如何编译安装 impala4.x 版本,你可以参考一下。



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/526025?spm=a2c6h.13066369.question.19.61ee1fbamhcNqm



问题五:Flink CDC中有人编译过 impala么? 官方的这个Maven 地址一直是403 有解决过的

Flink CDC中有人编译过 impala么? https://native-toolchain.s3.amazonaws.com 官方的这个Maven 地址一直是403 有解决过的大佬么?



参考答案:

我可以提供一些一般性的建议:

  1. 确认网络访问:首先,请确保您的网络连接正常,可以正常访问https://native-toolchain.s3.amazonaws.com。如果无法访问,可能是网络问题或AWS的访问限制。
  2. 检查依赖是否更新:尝试从其他来源获取Maven依赖,比如使用其他可用的Maven镜像,或者查找其他可用的Impala相关的Maven仓库。
  3. 寻求社区支持:Flink和Impala都拥有活跃的社区,您可以尝试在相关论坛、邮件列表或社交媒体上咨询是否有人遇到类似问题,并寻求解决方案。

另外,如果您对具体问题有更多细节或者错误信息,我可以尝试提供更详细的建议。



关于本问题的更多回答可点击进行查看:

https://developer.aliyun.com/ask/522244?spm=a2c6h.13066369.question.20.61ee1fbaUbgCsk

相关实践学习
基于Hologres+Flink搭建GitHub实时数据大屏
通过使用Flink、Hologres构建实时数仓,并通过Hologres对接BI分析工具(以DataV为例),实现海量数据实时分析.
实时计算 Flink 实战课程
如何使用实时计算 Flink 搞定数据处理难题?实时计算 Flink 极客训练营产品、技术专家齐上阵,从开源 Flink功能介绍到实时计算 Flink 优势详解,现场实操,5天即可上手! 欢迎开通实时计算 Flink 版: https://cn.aliyun.com/product/bigdata/sc Flink Forward Asia 介绍: Flink Forward 是由 Apache 官方授权,Apache Flink Community China 支持的会议,通过参会不仅可以了解到 Flink 社区的最新动态和发展计划,还可以了解到国内外一线大厂围绕 Flink 生态的生产实践经验,是 Flink 开发者和使用者不可错过的盛会。 去年经过品牌升级后的 Flink Forward Asia 吸引了超过2000人线下参与,一举成为国内最大的 Apache 顶级项目会议。结合2020年的特殊情况,Flink Forward Asia 2020 将在12月26日以线上峰会的形式与大家见面。
相关文章
|
4月前
|
数据采集 SQL canal
Amoro + Flink CDC 数据融合入湖新体验
本文总结了货拉拉高级大数据开发工程师陈政羽在Flink Forward Asia 2024上的分享,聚焦Flink CDC在货拉拉的应用与优化。内容涵盖CDC应用现状、数据入湖新体验、入湖优化及未来规划。文中详细分析了CDC在多业务场景中的实践,包括数据采集平台化、稳定性建设,以及面临的文件碎片化、Schema演进等挑战。同时介绍了基于Apache Amoro的湖仓融合架构,通过自优化服务解决小文件问题,提升数据新鲜度与读写平衡。未来将深化Paimon与Amoro的结合,打造更高效的入湖生态与自动化优化方案。
233 1
Amoro + Flink CDC 数据融合入湖新体验
|
4月前
|
SQL 关系型数据库 MySQL
Flink CDC 3.4 发布, 优化高频 DDL 处理,支持 Batch 模式,新增 Iceberg 支持
Apache Flink CDC 3.4.0 版本正式发布!经过4个月的开发,此版本强化了对高频表结构变更的支持,新增 batch 执行模式和 Apache Iceberg Sink 连接器,可将数据库数据全增量实时写入 Iceberg 数据湖。51位贡献者完成了259次代码提交,优化了 MySQL、MongoDB 等连接器,并修复多个缺陷。未来 3.5 版本将聚焦脏数据处理、数据限流等能力及 AI 生态对接。欢迎下载体验并提出反馈!
819 1
Flink CDC 3.4 发布, 优化高频 DDL 处理,支持 Batch 模式,新增 Iceberg 支持
|
5月前
|
SQL 运维 Java
蚂蚁 Flink 实时计算编译任务 Koupleless 架构改造
本文介绍了对Flink实时计算编译任务的Koupleless架构改造。为解决进程模型带来的响应慢、资源消耗大等问题,团队将进程模型改为线程模型,并借助Koupleless的类加载隔离能力实现版本和包的隔离。通过动态装配Plugin及其Classpath,以及Biz运行时仅对依赖Plugin可见的设计,大幅优化了编译任务的性能。结果表明,新架构使编译耗时降低50%,吞吐量提升5倍以上。
蚂蚁 Flink 实时计算编译任务 Koupleless 架构改造
|
5月前
|
SQL API Apache
Dinky 和 Flink CDC 在实时整库同步的探索之路
本次分享围绕 Dinky 的整库同步技术演进,从传统数据集成方案的痛点出发,探讨了 Flink CDC Yaml 作业的探索历程。内容分为三个部分:起源、探索、未来。在起源部分,分析了传统数据集成方案中全量与增量割裂、时效性低等问题,引出 Flink CDC 的优势;探索部分详细对比了 Dinky CDC Source 和 Flink CDC Pipeline 的架构与能力,深入讲解了 YAML 作业的细节,如模式演变、数据转换等;未来部分则展望了 Dinky 对 Flink CDC 的支持与优化方向,包括 Pipeline 转换功能、Transform 扩展及实时湖仓治理等。
665 12
Dinky 和 Flink CDC 在实时整库同步的探索之路
|
3月前
|
消息中间件 SQL 关系型数据库
Flink CDC + Kafka 加速业务实时化
Flink CDC 是一种支持流批一体的分布式数据集成工具,通过 YAML 配置实现数据传输过程中的路由与转换操作。它已从单一数据源的 CDC 数据流发展为完整的数据同步解决方案,支持 MySQL、Kafka 等多种数据源和目标端(如 Delta Lake、Iceberg)。其核心功能包括多样化数据输入链路、Schema Evolution、Transform 和 Routing 模块,以及丰富的监控指标。相比传统 SQL 和 DataStream 作业,Flink CDC 提供更灵活的 Schema 变更控制和原始 binlog 同步能力。
|
6月前
|
Oracle 关系型数据库 Java
【YashanDB知识库】Flink CDC实时同步Oracle数据到崖山
本文介绍通过Flink CDC实现Oracle数据实时同步至崖山数据库(YashanDB)的方法,支持全量与增量同步,并涵盖新增、修改和删除的DML操作。内容包括环境准备(如JDK、Flink版本等)、Oracle日志归档启用、用户权限配置、增量日志记录设置、元数据迁移、Flink安装与配置、生成Flink SQL文件、Streampark部署,以及创建和启动实时同步任务的具体步骤。适合需要跨数据库实时同步方案的技术人员参考。
【YashanDB知识库】Flink CDC实时同步Oracle数据到崖山
|
6月前
|
关系型数据库 MySQL 数据库
基于Flink CDC 开发,支持Web-UI的实时KingBase 连接器,三大模式无缝切换,效率翻倍!
TIS 是一款基于Web-UI的开源大数据集成工具,通过与人大金仓Kingbase的深度整合,提供高效、灵活的实时数据集成方案。它支持增量数据监听和实时写入,兼容MySQL、PostgreSQL和Oracle模式,无需编写复杂脚本,操作简单直观,特别适合非专业开发人员使用。TIS率先实现了Kingbase CDC连接器的整合,成为业界首个开箱即用的Kingbase CDC数据同步解决方案,助力企业数字化转型。
1119 5
基于Flink CDC 开发,支持Web-UI的实时KingBase 连接器,三大模式无缝切换,效率翻倍!
|
6月前
|
存储 SQL Java
Flink CDC + Hologres高性能数据同步优化实践
本文整理自阿里云高级技术专家胡一博老师在Flink Forward Asia 2024数据集成(二)专场的分享,主要内容包括:1. Hologres介绍:实时数据仓库,支持毫秒级写入和高QPS查询;2. 写入优化:通过改进缓冲队列、连接池和COPY模式提高吞吐量和降低延迟;3. 消费优化:优化离线场景和分区表的消费逻辑,提升性能和资源利用率;4. 未来展望:进一步简化用户操作,支持更多DDL操作及全增量消费。Hologres 3.0全新升级为一体化实时湖仓平台,提供多项新功能并降低使用成本。
511 1
Flink CDC + Hologres高性能数据同步优化实践
|
Oracle 关系型数据库 MySQL
flink cdc 插件问题之报错如何解决
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。
|
Java 关系型数据库 MySQL
Flink CDC有见这个报错不?
【2月更文挑战第29天】Flink CDC有见这个报错不?
209 2

相关产品

  • 实时计算 Flink版