我这边flink sql任务设置了SET 请问怎么 还是全量读取数据呢?

在 Flink SQL 中，如果你设置了 SET 语句来改变某些配置，但这些配置可能与你的期望不符，那么可能会出现全量读取数据的情况。以下是一些可能的原因和解决方案：

1. 检查 SET 语句
   确保你的 SET 语句是正确的，并且是在正确的上下文中设置的。例如，如果你想要设置动态表的状态保留时间，你应该这样做：

SET 'table.exec.state.ttl' = '1 hour';

1. SET 语句的范围
   SET 语句可能只在特定的范围内有效。例如，如果你在一个会话中设置了某个属性，它可能不会影响到已经提交的作业。确保你的 SET 语句是在作业执行之前设置的。

2. 作业重启
   如果你更改了配置后没有重启作业，那么新的配置可能不会生效。你需要重启作业以使新的配置生效。

在您提到的场景中，Flink SQL任务设置了table.exec.state.ttl为24小时后，期望从savepoint恢复时能避免全量读取数据，但实际上仍进行了全量读取。当移除该TTL设置后，从savepoint恢复则恢复正常执行。这种情况可能与以下几个方面有关：

1. TTL参数的作用范围理解：table.exec.state.ttl参数是用来控制Flink SQL作业中状态的存活时间，即状态数据在多久之后被视为过期并被清理。它并不直接影响从savepoint恢复时的数据读取行为，特别是对于source的读取模式。

2. Savepoint机制：Savepoint是一个作业的快照，包含了作业运行时的所有状态信息，包括源数据的读取位置等。当从savepoint恢复时，Flink会尽可能地从savepoint中记录的位置继续读取数据，而不是根据TTL来决定读取模式<。

3. Source配置与读取模式：对于如CDC（Change Data Capture）源，其读取模式（如全量+增量或仅增量）通常由特定的配置项控制，例如MongoDB CDC的scan.startup.mode配置>。若从savepoint恢复后依然全量读取，可能是因为source的配置或其内部逻辑决定了在某些条件下忽略之前的状态信息，重新全量读取。

解决建议：

• 检查Source配置：确认您的数据源（如Kafka、MySQL CDC等）是否有特定的配置控制读取行为，特别是在使用savepoint恢复时。确保没有配置冲突或不当配置导致强制全量读取。

• State TTL与Checkpoint/Savepoint区别：理解TTL主要影响状态数据的生命周期管理，而非直接干预从故障中恢复时的数据读取策略。如果目的是控制恢复时的数据处理起点，应关注于源的读取位置配置或Checkpoint/savepoint的正确使用。

• 测试与验证：在调整配置后，建议先在非生产环境进行测试，观察从savepoint恢复时的行为是否符合预期，以避免对生产数据造成影响。

综上所述，table.exec.state.ttl设置不影响从savepoint恢复时的数据读取模式，需检查并调整数据源的读取配置以解决全量读取的问题。

当您设置table.exec.state.ttl为24小时后，如果State在该时间后过期，新数据进来不会触发更新输出。这可能是由于State在保存点时已过期，导致恢复后无法正确处理新数据。若去掉TTL设置，任务恢复正常，表明依赖于旧状态的数据处理逻辑存在问题。建议在需要使用TTL的情况下，确保State在保存点时是有效的，或者调整TTL以适应您的业务需求。

当你在Flink SQL任务中设置了table.exec.state.ttl为24小时，这意味着状态将被定期清理以减少内存占用。这个设置对于减少状态存储空间是有帮助的，但同时也可能会影响从savepoint恢复的行为。

问题分析

1. State TTL: 当你设置了table.exec.state.ttl，Flink会定期清理过期的状态。如果状态过期了，在从savepoint恢复时，可能无法恢复到完全一致的状态点。

2. Savepoint: Savepoint保存了所有正在处理的数据的状态快照。当一个作业从savepoint恢复时，它试图恢复到与上次保存时相同的点。

3. 全量读取: 如果你在设置table.exec.state.ttl之后发现作业从savepoint恢复时仍然进行全量读取，这可能是由于以下原因：

   • State丢失: 如果在savepoint创建之后，由于state TTL的设置，部分状态已经过期并被清理掉了。
   • Inconsistent State: 如果state TTL导致的状态清理发生在savepoint创建过程中，那么savepoint可能包含了不完整或不一致的状态。

解决方案

1. 调整TTL设置:

   • 如果你希望保留TTL设置，可以尝试增加table.exec.state.ttl的值，以确保在创建savepoint期间状态不会被清理。
   • 或者，你可以调整table.exec.state.ttl.check-interval来减少检查频率，从而降低状态被清理的风险。

2. Savepoint策略:

   • 在创建savepoint前，暂停状态清理，例如，可以通过设置table.exec.state.ttl为一个非常大的值（如'1y'），这样在创建savepoint时状态不会被清理。
   • 创建完savepoint后，再将table.exec.state.ttl设置回原来的值。

3. 测试:

   • 在正式环境中使用之前，先在一个测试环境中验证这些设置的效果。
   • 确保在测试环境中创建savepoint，然后从savepoint恢复，并观察是否仍然需要全量读取数据。

4. 监控:

   • 监控状态的大小和清理情况，以便更好地理解状态生命周期。
   • 如果可能的话，也可以监控状态清理的时间点，确保它们不会干扰savepoint的创建。

5. 文档和社区支持:

   • 查阅Flink的官方文档，特别是关于状态管理和savepoint的部分。
   • 如果问题仍然存在，可以考虑在Flink的社区论坛或GitHub上提问，寻求进一步的帮助。

请尝试上述建议，并观察结果。如果你还需要进一步的帮助，请随时告诉我。

你要知道 TTL参数应用范围理解，首先，确认table.exec.state.ttl参数是用来控制Flink作业中状态数据的生命周期，即状态数据在多久之后会被自动清除。这个设置不会直接影响到从Savepoint恢复时的数据读取行为，它主要作用于作业运行期间的状态管理，比如检查点和状态后端的清理策略

table.exec.state.ttl是SQL作业的State TTL，和savepoint恢复的读取关系不大。如果可能，尝试在不设置 table.exec.state.ttl 的情况下再次创建 Savepoint 并恢复，以排除 TTL 设置的影响。

——参考链接。