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

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+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
|
10月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
简介:本文整理自阿里云高级技术专家李麟在Flink Forward Asia 2025新加坡站的分享,介绍了Flink 2.1 SQL在实时数据处理与AI融合方面的关键进展,包括AI函数集成、Join优化及未来发展方向,助力构建高效实时AI管道。
1223 43
|
10月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
本文整理自阿里云的高级技术专家、Apache Flink PMC 成员李麟老师在 Flink Forward Asia 2025 新加坡[1]站 —— 实时 AI 专场中的分享。将带来关于 Flink 2.1 版本中 SQL 在实时数据处理和 AI 方面进展的话题。
594 0
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
|
10月前
|
SQL 关系型数据库 Apache
从 Flink 到 Doris 的实时数据写入实践 —— 基于 Flink CDC 构建更实时高效的数据集成链路
本文将深入解析 Flink-Doris-Connector 三大典型场景中的设计与实现,并结合 Flink CDC 详细介绍了整库同步的解决方案,助力构建更加高效、稳定的实时数据处理体系。
3632 0
从 Flink 到 Doris 的实时数据写入实践 —— 基于 Flink CDC 构建更实时高效的数据集成链路
|
Java 中间件 流计算
Flink 如何分流数据
Flink 如何分流数据,3种分流方式
4500 0
|
10月前
|
存储 分布式计算 数据处理
「48小时极速反馈」阿里云实时计算Flink广招天下英雄
阿里云实时计算Flink团队,全球领先的流计算引擎缔造者,支撑双11万亿级数据处理,推动Apache Flink技术发展。现招募Flink执行引擎、存储引擎、数据通道、平台管控及产品经理人才,地点覆盖北京、杭州、上海。技术深度参与开源核心,打造企业级实时计算解决方案,助力全球企业实现毫秒洞察。
869 0
「48小时极速反馈」阿里云实时计算Flink广招天下英雄
|
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。
|
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。
4588 74
实时计算 Flash – 兼容 Flink 的新一代向量化流计算引擎
zdl
|
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
792 56

相关产品

  • 实时计算 Flink版