Flink CDC产品常见问题之yarn-session提交失败如何解决-阿里云开发者社区

Flink CDC产品常见问题之yarn-session提交失败如何解决

2024-03-14 32

版权

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。

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里之前用mysql数据库join比较慢，这种join性能会比较好吗？

Flink CDC里之前用mysql数据库join比较慢，所以才改成同步宽表到es，不知道doris，starorcks 这种join性能会比较好吗？

参考答案：

Flink CDC 主要用于捕获和处理数据库变更数据流，而不是直接优化JOIN操作。MySQL数据库中JOIN性能慢可能是由于多种原因，例如索引不足、数据量大导致内存溢出、表结构设计不合理等。

Doris（百度智能云的列式存储数据分析系统）和StarRocks（一款高性能分析型数据库）都具有较好的JOIN性能特点：

Doris：

列式存储：Doris采用列式存储格式，对于JOIN操作时只需要读取相关的列，大大减少了I/O开销。
压缩比高：列式存储压缩效率高，可以显著减少磁盘空间占用和网络传输的数据量。
向量化执行引擎：支持向量化计算，能够高效地对大量数据进行批量处理，提高JOIN运算效率。
分布式架构：通过分区、分桶等机制以及分布式查询优化技术，可以实现大规模数据上的快速JOIN。

StarRocks：

极速列存：同样采用列式存储和先进的编码算法，优化了JOIN查询过程中的数据扫描和解压速度。
MPP架构：基于大规模并行处理（MPP）架构设计，能够将JOIN计算分散到多个计算节点上并行执行，从而大大提高JOIN性能。
强大的索引支持：StarRocks提供Bloom Filter和主键索引等多种索引机制，有助于加速JOIN条件下的数据查找。
实时分析能力：支持实时数据加载与查询，即使在高并发写入场景下也能保持良好的JOIN查询性能。

因此，在实际使用中，如果将Flink CDC获取的数据同步到Doris或StarRocks这样的列式存储系统，并且合理设计表结构、利用好索引、分区等功能，JOIN性能相较于传统关系型数据库如MySQL可能会有显著提升，尤其是在大数据量的OLAP分析场景下。不过具体效果还取决于您的业务场景、数据规模及查询复杂度等因素。

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/599212?spm=a2c6h.12873639.article-detail.52.50e24378TRW91E

问题二：Flink CDC里这个bug可以修复不？

Flink CDC里这个bug在flink-connector-oracle-cdc-3.0.1中有fix没？

https://github.com/ververica/flink-cdc-connectors/issues/2615

。finck-connector-oracle-cdc-3.0.x，依赖的debezium-core还是1.9.7.Final？

参考答案：

关于GitHub上的具体issue是否已经在flink-connector-oracle-cdc-3.0.1版本中得到修复，请直接访问提供的链接：https://github.com/ververica/flink-cdc-connectors/issues/2615 ，查看该issue的状态和讨论，以确定该问题是否已被解决或计划在哪个版本中修复。同时，针对依赖的debezium-core版本，也需要查阅Flink CDC Oracle Connector 3.0.1发布的Maven依赖信息或发行说明，以获取准确的版本信息。

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/599211?spm=a2c6h.12873639.article-detail.53.50e24378TRW91E

问题三：Flink CDC里有办法yarn-session提交吗？提交的命令要怎么写啊？

Flink CDC里有办法yarn-session提交吗？提交的命令要怎么写啊？我一起启动了yarn-session,但是启动他找的还是8081

[hadoop@hadoop165 flink-cdc-3.0.1]$ bash bin/flink-cdc.sh mysql-to-doris.yaml --flink-home /data/bigdata/flink-1.17.1

Caused by: org.apache.flink.shaded.netty4.io.netty.channel.AbstractChannel$AnnotatedConnectException: 拒绝连接: hadoop165/172.11.10.165:8081

Caused by: java.net.ConnectException: 拒绝连接

参考答案：

Flink CDC 提交任务至 YARN 环境时，您需要确保 Flink 集群已经通过 yarn-session 模式启动，并且 JobManager 正在监听正确的端口。根据您的错误信息，看起来 JobManager 的默认端口（8081）可能没有正确配置或对外开放。

要解决这个问题，请按照以下步骤操作：

启动YARN会话：
在命令行中，首先使用适合您环境的配置参数启动一个YARN会话。例如：

hadoop jar /path/to/flink-yarn-session-{{flink_version}}.jar \
  -ynm your_session_name \
  -ys <yarn_slots_per_TM> \
  -t yarn-session \
  -Dyarn.application.id=<your_app_id_if_needed> \
  -Dyarn.container.start-command-template="%java% %jvmmem% %classpath% %jvmopts% %sysprops% %args%" \
  -Djobmanager.rpc.address=<jobmanager_host> \
  -Djobmanager.rpc.port=<your_jobmanager_port>

这里请替换为实际的Flink版本、会话名称、每个TaskManager的slot数、JobManager主机名和端口号等。
检查并配置JobManager端口：
如果您想让JobManager监听非默认的8081端口，可以在启动YARN会话时通过 -Djobmanager.rpc.port 参数指定新端口。
提交CDC作业：一旦YARN会话成功启动并且JobManager可访问，您可以尝试提交Flink CDC作业。由于Flink CDC通常以Flink作业的形式运行，您可以使用类似于以下命令提交到已存在的YARN会话：

/data/bigdata/flink-1.17.1/bin/flink run -m yarn-cluster -yn <number_of_taskmanagers> -ys <slots_per_taskmanager> /path/to/your/cdc/job.jar --config-file mysql-to-doris.yaml