实时计算 Flink版产品使用合集之读取 Kafka 和 MongoDB 的 Managed Memory 使用情况不同是什么导致的

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
简介: 实时计算Flink版作为一种强大的流处理和批处理统一的计算框架,广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器,提供了一套全面的解决方案,以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点,使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。

问题一:Flink CDC有老师遇到过 polarDB 的 mysql-cdc 有问题的?


Flink CDC有老师遇到过 polarDB 的 mysql-cdc 有问题的?按照 flink vvp 的官方文档配置的,现在看起来只有 gtid-set 能读取到数据


参考回答:

Flink CDC在处理polarDB的mysql-cdc时,如果只有gtid-set能读取到数据,那可能是因为其他选项未能正确配置。Flink的MySQL CDC连接器支持读取MySQL数据库的快照数据和增量数据。对于PolarDB-X,它展示了如何借助Flink-CDC将数据导入至Elasticsearch,这显示了PolarDB-X的增量订阅能力。

确保您的flink版本与mysql cdc版本兼容,例如,flink 1.17.2配合flink mysql cdc 2.4.2是一个例子。此外,检查您的配置以确保所有必要的参数都已正确设置,特别是与binlog位置和GTID相关的参数。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/574046



问题二:iceberg数据库的Flink cdc,是不是也是用postgreSQL数据库的cdc?


iceberg数据库的Flink cdc,是不是也是用postgreSQL数据库的cdc?


参考回答:

不是的,虽然Iceberg数据库和PostgreSQL数据库都支持Flink CDC,但它们使用的具体实现方式是不同的。Flink CDC是针对特定数据库的,因此对于不同的数据库,Flink会使用不同的CDC connector。对于PostgreSQL,Flink使用PostgreSQLSource这样的source function来读取CDC数据。而对于Iceberg数据库,Flink可能会使用其他的source function或者data source来实现CDC。具体的实现方式会根据数据库的特性以及Flink的支持情况来确定。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/574045



问题三:为啥cdc会把taskmanager的Managed Memory占满?


Flink CDC问一下flinksql 读取kafka 和 flinksql mongodb-cdc

为啥cdc会把taskmanager的Managed Memory占满?而读取kafka的是0


参考回答:

CDC(Change Data Capture)是一种用于捕获数据库中数据变更的技术。当使用Flink CDC时,它会将源数据库中的变更事件读取出来,并将其转换为流式数据进行处理。

在处理过程中,Flink CDC会将读取到的变更事件存储在TaskManager的Managed Memory中。这是因为Flink CDC需要对每个变更事件进行一些额外的处理,例如解析、转换和验证等操作。这些操作需要占用一定的内存空间,因此会导致TaskManager的Managed Memory被占满。

而读取Kafka的数据并不会占用大量的Managed Memory,因为Kafka是一个分布式消息队列系统,它的消息是以二进制形式存储在Broker上的。当使用Flink SQL读取Kafka数据时,Flink会将消息反序列化为Java对象,并进行一些处理操作。由于Kafka的消息是分布式存储的,因此读取Kafka数据的内存消耗相对较小。

对于MongoDB CDC,同样也会占用一定的Managed Memory。因为MongoDB是一个文档型数据库,它的数据是以BSON格式存储在磁盘上的。当使用Flink SQL读取MongoDB CDC数据时,Flink会将BSON格式的数据反序列化为Java对象,并进行一些处理操作。由于MongoDB的数据是存储在磁盘上的,因此读取MongoDB CDC数据的内存消耗相对较大。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/574043



问题四:Flink CDC可以同步mysql到分区表???指定某列为分区字段


Flink CDC可以同步mysql到分区表???指定某列为分区字段


参考回答:

是的,Flink CDC可以同步MySQL到分区表。在Flink CDC中,您可以使用DebeziumDeserializationSchema来指定要读取的MySQL表和列,并使用DebeziumDeserializationSchemaBuilder来构建DebeziumDeserializationSchema对象。

对于分区表,您需要使用DebeziumDeserializationSchemaBuilder中的partitionColumns方法来指定分区字段。例如,如果您有一个名为orders的分区表,其中包含一个名为order_date的分区字段,则可以使用以下代码:

DebeziumDeserializationSchema<Order> deserializationSchema = DebeziumDeserializationSchemaBuilder<Order>.create()
    .schemaName("mysql")
    .databaseList(Arrays.asList("mydb"))
    .tableList(Arrays.asList("orders"))
    .column("order_id", DataTypes.BIGINT())
    .column("customer_id", DataTypes.INT())
    .column("order_date", DataTypes.DATE())
    .deserializer(new OrderDeserializer())
    .partitionColumns("order_date")
    .build();

在上面的代码中,我们指定了要读取的表名、列名和反序列化器,并使用partitionColumns方法指定了分区字段。然后,我们可以将此DebeziumDeserializationSchema对象传递给Flink CDC连接器以进行数据同步。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/574042



问题五:请问这种反压如何处理呀?百度说Flink CDC有处理这块的机制。但不知道官网上是哪篇文章?


请问这种反压如何处理呀?百度说Flink CDC有处理这块的机制。但不知道官网上是哪篇文章?


参考回答:

在处理Flink CDC的反压问题时,可以参考Flink官方文档中关于反压机制和处理的相关文章。Flink的反压机制主要是通过在网络流控中实现的一种保障机制,用于确保应用在7*24小时运行过程中,当某个处理单元由于到来的数据忽然增加,暂时性超出其处理能力时,不会出现数据丢失现象或者因为系统资源耗尽而导致应用崩溃。

具体来说,当接收者队列满了后,发送者就会被阻塞,从而产生反压。Flink 1.5之后实现了自己托管的credit-based流控机制,在应用层模拟TCP的流控机制。此外,Flink还优化了反压检测的逻辑(使用基于任务 Mailbox 计时,而不在基于堆栈采样),并且重新实现了作业图的UI展示:Flink现在在UI上通过颜色和数值来展示繁忙和反压的程度。

在处理反压问题时,可以先确定反压的位置,然后根据反压的情况分析,找到性能瓶颈的地方,进行相应的优化。例如,如果反压出现在Sink,可能是因为Sink处理数据缓慢导致的,这时可能需要优化Sink的处理逻辑或者增加Sink的并行度。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/574041

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
1月前
|
消息中间件 关系型数据库 MySQL
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
大数据-117 - Flink DataStream Sink 案例:写出到MySQL、写出到Kafka
148 0
|
3月前
|
消息中间件 前端开发 Kafka
【Azure 事件中心】使用Apache Flink 连接 Event Hubs 出错 Kafka error: No resolvable bootstrap urls
【Azure 事件中心】使用Apache Flink 连接 Event Hubs 出错 Kafka error: No resolvable bootstrap urls
|
1月前
|
消息中间件 Java Kafka
Flink-07 Flink Java 3分钟上手 滚动窗口 事件驱动 Kafka TumblingWindow GlobalWindow CountWindow
Flink-07 Flink Java 3分钟上手 滚动窗口 事件驱动 Kafka TumblingWindow GlobalWindow CountWindow
37 7
|
1月前
|
消息中间件 NoSQL Kafka
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
Flink-10 Flink Java 3分钟上手 Docker容器化部署 JobManager TaskManager Kafka Redis Dockerfile docker-compose
43 4
|
1月前
|
消息中间件 Java Kafka
Flink-04 Flink Java 3分钟上手 FlinkKafkaConsumer消费Kafka数据 进行计算SingleOutputStreamOperatorDataStreamSource
Flink-04 Flink Java 3分钟上手 FlinkKafkaConsumer消费Kafka数据 进行计算SingleOutputStreamOperatorDataStreamSource
49 1
|
1月前
|
消息中间件 NoSQL Kafka
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
大数据-116 - Flink DataStream Sink 原理、概念、常见Sink类型 配置与使用 附带案例1:消费Kafka写到Redis
139 0
|
1月前
|
消息中间件 资源调度 大数据
大数据-112 Flink DataStreamAPI 程序输入源 DataSource 基于文件、集合、Kafka连接器
大数据-112 Flink DataStreamAPI 程序输入源 DataSource 基于文件、集合、Kafka连接器
41 0
|
1月前
|
消息中间件 NoSQL Java
Flink-06 Flink Java 3分钟上手 滚动窗口 时间驱动 Kafka TumblingWindow TimeWindowFunction TumblingProcessing
Flink-06 Flink Java 3分钟上手 滚动窗口 时间驱动 Kafka TumblingWindow TimeWindowFunction TumblingProcessing
39 0
|
1月前
|
消息中间件 NoSQL Kafka
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
Flink-05 Flink Java 3分钟上手 Redis FlinkJedisPoolConfig 从Kafka写入Redis FlinkKafkaConsumer消费 结果写入Redis
40 0
|
1月前
|
消息中间件 druid Kafka
从Apache Flink到Kafka再到Druid的实时数据传输,用于分析/决策
从Apache Flink到Kafka再到Druid的实时数据传输,用于分析/决策
77 0

相关产品

  • 实时计算 Flink版
  • 下一篇
    无影云桌面