Flink CDC很多个程序读取同一个binlog会有什么问题么?io啥的?一般是整库同步到kafka,mq,然后再后面做计算?
Flink CDC 很多个程序读取同一个 binlog 会有一些问题,比如:
数据不一致。如果多个程序读取同一个 binlog,并且读取的顺序不一致,那么会导致数据不一致。
数据重复。如果多个程序读取同一个 binlog,并且读取的速率不一致,那么会导致数据重复。
数据丢失。如果多个程序读取同一个 binlog,并且其中一个程序出现异常,那么会导致一部分数据丢失。
为了避免这些问题,可以使用 Debezium 的 snapshot 功能。Debezium 的 snapshot 功能会在开始读取 binlog 之前,先将数据库中的数据进行一次快照,然后再从快照开始读取 binlog。这样就可以保证数据的一致性和完整性。
另外,也可以使用 Flink 的 watermark 功能来避免数据重复和数据丢失。Flink 的 watermark 功能可以根据数据的修改时间来生成 Watermark,Watermark 可以用来判断数据是否已经被处理过。这样,如果一个程序处理完数据后没有生成 Watermark,那么其他程序就不会再处理该数据。这样就可以避免数据重复和数据丢失。
总的来说,Flink CDC 很多个程序读取同一个 binlog 可能会有一些问题,但是可以通过 Debezium 的 snapshot 功能和 Flink 的 watermark 功能来避免这些问题。
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。
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。