Hi Zhou Zach: “但是,只有最后面两个算子有watermark,所以开启OperatorChaining后,因为前面3个没有watermark,整个chain的算子都没有watermark了,那么是不是就不能通过flink ui来监控watermark了,就依赖第三方监控工具来看watermark?因为上生产,肯定要开OperatorChaining的” 关于这个问题,我昨天也和李本超进行了线下沟通,大概的结论是: >1.如果不直接看每个operator的metrics,只看 flink ui 那个 graph 图,不进行 disable chain 的话,是看不出来问题的。如果打开了disable chain 有可能能看出来问题。在我们这个场景下能看出来问题。其他场景可能会不那么直接。 >2.我们打开了disable chain 看 flink ui,其实也是看的相关的 metric。
总体来看,就是要用 metrics 来诊断问题。不过,在某些场景下,一个用户开发了一个 Flink SQL 然后,去看监控,也增加了对应的 cost。一个是说这个用户之前不怎么看metrics,一个是说平台metrics也做的不好。所以如果能在 Flink ui 上面解决一定量的问题,将能减少用户的成本。 Best forideal 在 2020-08-13 16:33:29,"Zhou Zach" <wander...@163.com> 写道: > > > >Hi forideal, Shengkai Fang, > >加上env.disableOperatorChaining()之后,发现5个算子, > > > > >Source: TableSourceScan(table=[[default_catalog, default_database, user]], >fields=[uid, sex, age, created_time]) -> > >Calc(select=[uid, sex, age, created_time, () AS procTime, >TO_TIMESTAMP(((created_time / 1000) FROM_UNIXTIME _UTF-16LE'yyyy-MM-dd >HH:mm:ss')) AS eventTime]) -> > >WatermarkAssigner(rowtime=[eventTime], watermark=[(eventTime - 3000:INTERVAL >SECOND)]) -> > >Calc(select=[uid, sex, age, created_time]) -> > >Sink: Sink(table=[default_catalog.default_database.user_mysql], fields=[uid, >sex, age, created_time]) >但是,只有最后面两个算子有watermark,所以开启OperatorChaining后,因为前面3个没有watermark,整个chain的算子都没有watermark了,那么是不是就不能通过flink > ui来监控watermark了,就依赖第三方监控工具来看watermark?因为上生产,肯定要开OperatorChaining的 > > > > > > > > > > > > > > >在 2020-08-13 15:39:44,"forideal" <fszw...@163.com> 写道: >>Hi Zhou Zach: >>你可以试试 env.disableOperatorChaining(); >>然后观察每个 op 的 watermark 情况。这样能够简单的看下具体的情况。 >>> 我是怎么设置参数的 >>我使用的是 Flink SQL Blink Planner,采用的设置方式和你一样 >>tableEnv.getConfig().getConfiguration() .setString(key, >>configs.getString(key, null)); >>同时我在 source table 中定义了 WATERMARK FOR event_time AS event_time - INTERVAL '10' >>SECOND >> >>Best forideal >> >> >>在 2020-08-13 15:20:13,"Zhou Zach" <wander...@163.com> 写道: >>> >>> >>> >>>Hi forideal, >>>我也遇到了No Watermark问题,我也设置了table.exec.source.idle-timeout 参数,如下: >>> >>> >>> val streamExecutionEnv = >>> StreamExecutionEnvironment.getExecutionEnvironment >>> >>> streamExecutionEnv.setStreamTimeCharacteristic(TimeCharacteristic.EventTime) >>> streamExecutionEnv.setStateBackend(new >>> RocksDBStateBackend("hdfs://nameservice1/flink/checkpoints")) >>> >>> val blinkEnvSettings = >>> EnvironmentSettings.newInstance().useBlinkPlanner().inStreamingMode().build() >>> val streamTableEnv = StreamTableEnvironment.create(streamExecutionEnv, >>> blinkEnvSettings) >>> >>> streamTableEnv.getConfig.getConfiguration.set(ExecutionCheckpointingOptions.CHECKPOINTING_MODE,CheckpointingMode.EXACTLY_ONCE) >>> >>> streamTableEnv.getConfig.getConfiguration.set(ExecutionCheckpointingOptions.CHECKPOINTING_INTERVAL,Duration.ofSeconds(20)) >>> >>> streamTableEnv.getConfig.getConfiguration.set(ExecutionCheckpointingOptions.CHECKPOINTING_TIMEOUT,Duration.ofSeconds(900)) >>> >>> >>> streamTableEnv.getConfig.getConfiguration.set(ExecutionConfigOptions.TABLE_EXEC_SOURCE_IDLE_TIMEOUT,"5s") >>> >>> >>>并且,任务的并行度设置了1(这样是不是就不会存在flink consumer不消费kafka数据的情况,kafka一直生产数据的前提下) >>>在flink ui上,仍然显示Watermark No data,问下,你是怎么设置参数的 >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>> >>>在 2020-08-13 14:02:58,"forideal" <fszw...@163.com> 写道: >>>>大家好 >>>> >>>> 问题的原因定位到了。 >>>> 由于无法 debug codegen 生成的代码,即使我拿到线上的数据,开启了debug环境依然无法得到进展。 >>>> 这个时候,我进行了 disable chain,观察 watermark 的生成情况,看看到底在那个环节没有继续往下传递。(因为多个 >>>> op chain 在一起,不能确定到底是那个环节存在问题) >>>> 发现在 WatermarkAssigner(rowtime=[event_time], >>>> watermark=[(event_ti...)这个 op 中部分 task 为 No watermark,由于这个op和source >>>> chain在一起,导致这个vertex 对应的watermark无法显示只能是 no data。因为存在 group by 下游的 >>>> watermark 为 min(parent task output watermark),所以下游是 No >>>> watermark。导致在查问题的时候,比较困难。 >>>> 定位到由于 kafka 部分 partition 无数据导致 No watermark 加上 >>>> table.exec.source.idle-timeout = 10s 参数即可。 >>>> 当然,如果能直接 debug codegen 生成的代码,那么这个问题的分析路径会更简单。我应该直接可以发现大部分 task 可以生成 >>>> watermark,少部分 task 无 watermark,能够快速的减少debug的时间。当前使用 disable chain 观察每个 op >>>> 的情况,对于 Flink sql 的 debug 有很大的便利之处,不知社区是否有相关参数帮助开发者。 >>>> >>>> >>>>Best forideal >>>> >>>> >>>> >>>> >>>> >>>> >>>> >>>> >>>>在 2020-08-13 12:56:57,"forideal" <fszw...@163.com> 写道: >>>>>大家好 >>>>> >>>>> >>>>> 关于这个问题我进行了一些 debug,发现了 watermark 对应的一个 physical relnode 是 >>>>> StreamExecWatermarkAssigner >>>>> 在translateToPlanInternal 中生成了如下一个 class 代码, >>>>>public final class WatermarkGenerator$2 extends >>>>>org.apache.flink.table.runtime.generated.WatermarkGenerator { public >>>>>WatermarkGenerator$2(Object[] references) throws Exception { } @Override >>>>>public void open(org.apache.flink.configuration.Configuration parameters) >>>>>throws Exception { } @Override public Long >>>>>currentWatermark(org.apache.flink.table.dataformat.BaseRow row) throws >>>>>Exception { org.apache.flink.table.dataformat.SqlTimestamp field$3; >>>>>boolean isNull$3; boolean isNull$4; >>>>>org.apache.flink.table.dataformat.SqlTimestamp result$5; isNull$3 = >>>>>row.isNullAt(12); field$3 = null; if (!isNull$3) { field$3 = >>>>>row.getTimestamp(12, 3); } isNull$4 = isNull$3 || false; result$5 = null; >>>>>if (!isNull$4) { result$5 = >>>>>org.apache.flink.table.dataformat.SqlTimestamp.fromEpochMillis(field$3.getMillisecond() >>>>> - ((long) 10000L), field$3.getNanoOfMillisecond()); } if (isNull$4) { >>>>>return null; } else { return result$5.getMillisecond(); } } @Override >>>>>public void close() throws Exception { } } >>>>> >>>>> >>>>> >>>>> 其中关键的信息是 result$5 = >>>>> org.apache.flink.table.dataformat.SqlTimestamp.fromEpochMillis(field$3.getMillisecond() >>>>> - ((long) 10000L), field$3.getNanoOfMillisecond()); >>>>>确实按照 WATERMARK FOR event_time AS event_time - INTERVAL '10' SECOND 的定义获取的 >>>>>watermark。 >>>>>在 flink 的 graph 中也确实有对应的 op 在做这个事情,不知为何会出现 no watermark >>>>>这样的结果。因为这部分codegen的代码确实无法进一步debug了。 >>>>>如果大家有什么好的 debug codegen 生成的代码,可以告诉我哈,非常感谢 >>>>> >>>>> Best forideal >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>> >>>>>在 2020-08-11 17:13:01,"forideal" <fszw...@163.com> 写道: >>>>>>大家好,请教一个问题 >>>>>> >>>>>> >>>>>> 我有一条进行 session window 的 sql。这条 sql 消费较少数据量的 topic 的时候,是可以生成 >>>>>> watermark。消费大量的数据的时候,就无法生成watermark。 >>>>>> 一直是 No Watermark。 暂时找不到排查问题的思路。 >>>>>> Flink 版本号是 1.10,kafka 中消息是有时间的,其他的任务是可以拿到这个时间生成watermark。同时设置了 >>>>>> EventTime mode 模式,Blink Planner。 >>>>>>| >>>>>>No Watermark | >>>>>> SQL如下 >>>>>> >>>>>> >>>>>> DDL: >>>>>> create table test( >>>>>> user_id varchar, >>>>>> action varchar, >>>>>> event_time TIMESTAMP(3), >>>>>> WATERMARK FOR event_time AS event_time - INTERVAL >>>>>> '10' SECOND >>>>>> ) with(); >>>>>> >>>>>> >>>>>> DML: >>>>>>insert into >>>>>> console >>>>>>select >>>>>> user_id, >>>>>> f_get_str(bind_id) as id_list >>>>>>from >>>>>> ( >>>>>> select >>>>>> action as bind_id, >>>>>> user_id, >>>>>> event_time >>>>>> from >>>>>> ( >>>>>> SELECT >>>>>> user_id, >>>>>> action, >>>>>> PROCTIME() as proc_time, >>>>>> event_time >>>>>> FROM >>>>>> test >>>>>> ) T >>>>>> where >>>>>> user_id is not null >>>>>> and user_id <> '' >>>>>> and CHARACTER_LENGTH(user_id) = 24 >>>>>> ) T >>>>>>group by >>>>>> SESSION(event_time, INTERVAL '10' SECOND), >>>>>> user_id >>>>>> >>>>>>Best forideal