flink canal json格式忽略不识别的type
不同云厂商的数据同步工具对于全量+增量同步mysql数据到kafka canal json格式时行为不一致
有的厂商会将DDL语句同步到topic导致下游flink sql作业不能识别抛错，建议flink canal json格式解析时直接忽略不识别的type，例如
例1：
{"jobId":"76d140e3-2ef7-40c2-a795-af35a0fe1d61","shardId":null,"identifier":null,"eventId":"","mysqlType":null,"id":0,"es":1675908021700,"ts":1675908021700,"database":"demo","table":"oms_parcels","type":"INIT_DDL","isDdl":true,"sql":"CREATE
TABLE `oms_parcels` ( `id` varchar(255) NOT NULL, `createdby` varchar(255)
DEFAULT NULL, `createdat` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON
UPDATE CURRENT_TIMESTAMP, `updatedat` timestamp NOT NULL DEFAULT '-00-00
00:00:00', `updatedby` varchar(255) DEFAULT NULL, `account` varchar(255)
DEFAULT NULL, `batch` varchar(255) DEFAULT NULL, `client` varchar(255)
DEFAULT NULL, `command` varchar(255) DEFAULT NULL, `container` varchar(255)
DEFAULT NULL, `items` mediumtext, `trackingnumber` varchar(255) NOT NULL,
`transporter` varchar(255) DEFAULT NULL, `weight` decimal(19,2) NOT NULL,
`zipcode` varchar(255) DEFAULT NULL, `ld3` varchar(255) DEFAULT NULL,
`destination_code` varchar(255) DEFAULT NULL, PRIMARY KEY
(`id`,`trackingnumber`)) ENGINE=InnoDB DEFAULT
CHARSET=utf8mb4","sqlType":null,"data":null,"old":null,"pkNames":null}
例2：
{
"action":"ALTER",
"before":[],
"bid":0,
"data":[],
"db":"db_test",
"dbValType":{
"col1":"varchar(22)",
"col2":"varchar(22)",
"col_pk":"varchar(22)"
},
"ddl":true,
"entryType":"ROWDATA",
"execTs":1669789188000,
"jdbcType":{
"col1":12,
"col2":12,
"col_pk":12
},
"pks":[],
"schema":"db_test",
"sendTs":1669789189533,
"sql":"alter table table_test add col2 varchar(22) null",
"table":"table_test",
"tableChanges":{
"table":{
"columns":[
{
"jdbcType":12, // jdbc 类型。
"name":"col1",// 字段名称。
"position":0, // 字段的顺序。
"typeExpression":"varchar(22)", // 类型描述。
"typeName":"varchar" // 类型名称。
},
{
"jdbcType":12,
"name":"col2",
"position":1,
"typeExpression":"varchar(22)",
"typeName":"varchar"
},
{
"jdbcType":12,
"name":"col_pk",
"position":2,
"typeExpression":"varchar(22)",
"typeName":"varchar"
}
],
"primaryKeyColumnNames":["col_pk"] // 主键名列表。
},
"type":"ALTER"
}
}
Re: Re: Kafka 数据源无法实现基于事件时间的窗口聚合
实际使用你肯定不会是console producer吧。或者你换java代码写kafka，方便控制些。
wei_yuze 于2023年2月8日周三 13:30写道：
>
> 非常感谢各位的回答！
>
>
>
> Weihua和飞雨正确定位出了问题。问题出在Flink 并发数大于Kafka分区数，导致部分Flink task slot
> 接收不到数据，进而导致watermark（取所有task slot的最小值）无法推进。
>
>
> 我尝试了Weihua提供的两个解决方案后都可以推进watermark求得窗口聚合结果。
>
>
> 后来我想，理想的解决方式应该是使Flink的并发数接近于或等于Kafka的分区数。我的Kafka分区数为3，于是Flink setParallelism
> 为3。后来发现又无法推进watermark。检查Kafka后发现，kafka Console Producer把所有的数据都推送到了第0号分区。
>
>
>
> 请问哪位能指点一下，让Kafka topic的每个分区都能收到数据？
>
>
>
>
>
> Best,
>
> Lucas
>
>
>
> Original Email
>
>
>
> Sender:"Weihua Hu"< huweihua@gmail.com ;
>
> Sent Time:2023/2/7 18:48
>
> To:"user-zh"< user-zh@flink.apache.org ;
>
> Subject:Re: Kafka 数据源无法实现基于事件时间的窗口聚合
>
>
> Hi,
>
> 问题应该是 kafka source 配置了多并发运行，但数据量比较少（或者 topic 的 partition 数量小于 task
> 的并发数量），不是所有的 source task 都消费到了数据并产生 watermark，导致下游聚合算子无法对齐 watermark 触发计算。
> 可以尝试通过以下办法解决：
> 1. 将 source 并发控制为 1
> 2. 为 watermark 策略开始 idleness 处理，参考 [#1]
>
> fromElement 数据源会强制指定并发为 1
>
> [#1]
> https://nightlies.apache.org/flink/flink-docs-master/docs/dev/datastream/event-time/generating_watermarks/#dealing-with-idle-sources
>
>
> Best,
> Weihua
>
>
> On Tue, Feb 7, 2023 at 1:31 PM wei_yuze wrote:
>
> 您好！
>
>
>
>
>
> 我在进行基于事件时间的窗口聚合操作时，使用fromElement数据源可以实现，但替换为Kafka数据源就不行了，但程序并不报错。以下贴出代码。代码中给了两个数据源，分别命名为：streamSource
> 和 kafkaSource
> 。当使用streamSource生成watermarkedStream的时候，可以完成聚合计算并输出结果。但使用kafkaSource却不行。
>
>
>
>
> public class WindowReduceTest2 { public static void
> main(String[] args) throws Exception {
> StreamExecutionEnvironment env =
> StreamExecutionEnvironment.getExecutionEnvironment();
>
>
> // 使用fromElement数据源
> DataStreamSource env.fromElements(
> new
> Event2("Alice", "./home", "2023-02-04 17:10:11"),
> new Event2("Bob",
> "./cart", "2023-02-04 17:10:12"),
> new
> Event2("Alice", "./home", "2023-02-04 17:10:13"),
> new
> Event2("Alice", "./home", "2023-02-04 17:10:15"),
> new
> Event2("Cary",
> "./home", "2023-02-04 17:10:16"),
> new
> Event2("Cary",
> "./home", "2023-02-04 17:10:16")
> );
>
>
> // 使用Kafka数据源
> JsonDeserializationSchema jsonFormat = new JsonDeserializationSchema<(Event2.class);
> KafkaSource
> KafkaSource.
> .setBootstrapServers(Config.KAFKA_BROKERS)
>
> .setTopics(Config.KAFKA_TOPIC)
>
> .setGroupId("my-group")
>
> .setStartingOffsets(OffsetsInitializer.earliest())
>
> .setValueOnlyDeserializer(jsonFormat)
> .build();
> DataStreamSource env.fromSource(source,
> WatermarkStrategy.noWatermarks(), "Kafka Source");
> kafkaSource.print();
>
>
> // 生成watermark，从数据中提取时间作为事件时间
> SingleOutputStreamOperator watermarkedStream =
>
> kafkaSource.assignTimestampsAndWatermarks(WatermarkStrategy.
> .withTimestampAssigner(new SerializableTimestampAssigner
>
> @Override
>
> public long extractTimestamp(Event2 element, long recordTimestamp) {
>
>SimpleDateFormat simpleDateFormat = new
> SimpleDateFormat("-MM-dd HH:mm:ss");
>
>Date date = null;
>
>try {
>
> date =
> simpleDateFormat.parse(element.getTime());
>
>} catch (ParseException e) {
>
> throw new RuntimeException(e);
>
>}
>
>long time = date.getTime();
>
>System.out.println(time);
>
>return time;
>}
> }));
>
>
> // 窗口聚合
> watermarkedStream.map(new MapFunction Tuple2
>
> @Override
>
> public Tuple2
>
>// 将数据转换成二元组，方便计算
>
>return Tuple2.of(value.getUser(), 1L);
>}
> })
> .keyBy(r -
> r.f0)
> // 设置滚动事件时间窗口
>
> .window(TumblingEventTimeWindows.of(Time.seconds(5)))
> .reduce(new
> ReduceFunction
> @Override
>
> public Tuple2 Tuple2
>
>// 定义累加规则，窗口闭合时，向下游发送累加结果
>
>return Tuple2.of(value1.f0, value1.f1 + value2.f1);
>}
> })
>
> .print("Aggregated
> stream");
>
>
> env.execute();
>}
> }
>
>
>
>
>
>
> 值得注意的是，若将代码中的 TumblingEventTimeWindows 替换为 TumblingProcessingTimeWindows
> ，即使使用 Kafka 数据源也是可以完成聚合计算并输出结果的。
>
>
>
> 感谢您花时间查看这个问题！
> Lucas
