文档首页/ 数据仓库服务 GaussDB(DWS)/ 工具指南/ DWS-Connector/ dws-connector-flink/ Flink SQL作业类型/ 做结果表
更新时间：2024-11-05 GMT+08:00
查看PDF
分享

做结果表

格式语法

SQL语法格式可能在不同Flink环境下有细微差异，具体以事件环境格式为准，with后面的参数名称及参数值以此文档为准。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
 
create table dwsSink (
  attr_name attr_type 
  (',' attr_name attr_type)* 
  (','PRIMARY KEY (attr_name, ...) NOT ENFORCED)
)
with (
  'connector' = 'dws',
  'url' = '',
  'tableName' = '',
  'username' = '',
  'password' = ''
);

Flink SQL配置参数

Flink SQL中设置的PRIMARY KEY将自动映射到dws-client中的uniqueKeys。参数跟随client版本发布，参数功能与client一致，以下参数说明表示为最新参数。

表1 数据库配置

参数

说明

默认值

connector

flink框架区分connector参数，固定为dws。

-

url

数据库连接地址。

-

username

配置连接用户。

-

password

配置密码。

-

tableName

对应dws表。

-
表2 连接配置

参数

说明

默认值

connectionSize

初始dws-client时的并发数量。

1

connectionMaxUseTimeSeconds

连接创建多少秒后强制释放（单位：秒）。

3600（一小时）

connectionMaxIdleMs

连接最大空闲时间，超过后将释放（单位：毫秒）。

60000（一分钟）
表3 写入参数

参数

说明

默认值

conflictStrategy

有主键表数据写入时主键冲突策略：

  • ignore：保持原数据，忽略更新数据。
  • update：用新数据中非主键列更新原数据中对应列。
  • replace：用新数据替换原数据。
    说明：

    update和replace在全字段upsert时等效，在部分字段upsert时，replace相当于将数据中不包含的列设置为null。

update

writeMode

入库方式：

  • auto：系统自动选择。
  • copy_merge：当存在主键时使用copy方式入临时表，从临时表merge至目标表；无主键时直接copy至目标表。
  • copy_upsert：当存在主键时使用copy方式入临时表，从临时表upsert至目标表；无主键时直接copy至目标表。
  • upsert: 有主键用upsert sql入库；无主键用insert into入库。
  • UPDATE：使用update where语法更新数据，若原表无主键可选择指定uniqueKeys，指定字段不要求必须是唯一索引，但非唯一索引可能会影响性能。
  • COPY_UPDATE：数据先通过copy方式入库到临时表，通过临时表加速使用update from where方式更新目标数据。
  • UPDATE_AUTO：批量小于copyWriteBatchSize使用UPDATE，否则使用COPY_UPDATE。

auto

maxFlushRetryTimes

在入库时最大尝试次数，次数内执行成功则不抛出异常，每次重试间隔为 1秒 * 次数。

3

autoFlushBatchSize

自动刷库的批大小（攒批大小）。

5000

autoFlushMaxInterval

自动刷库的最大间隔时间（攒批时长）。

5s

copyWriteBatchSize

在“writeMode == auto”下，使用copy的批大小。

5000

ignoreDelete

忽略flink任务中的delete。

false (1.0.10前默认true)

ignoreNullWhenUpdate

是否忽略flink中字段值为null的更新，只有在“conflictStrategy == update”时有效。

false

metadataCacheSeconds

系统中对元数据的最大缓存时间，例如表定义信息（单位秒）。

180

copyMode

copy入库格式：

  • CSV：将数据拼接为CSV格式入库，该方式稳定，但性能略低。
  • DELIMITER：用分隔符将数据拼接，然后入库，该方式需要数据中不包含分隔符。

CSV

createTempTableMode

创建临时表方式：

  • AS
  • LIKE

AS

numberAsEpochMsForDatetime

如果数据库为时间类型数据源为数字类型，是否将数据当成时间戳转换为对应时间类型。

false

stringToDatetimeFormat

如果数据库为时间类型数据源为字符串类型，按该格式转换为时间类型，该参数配置即开启。

null

sink.parallelism

flink系统参数用于设置sink并发数量。

跟随上游算子

printDataPk

是否在connector接收到数据时打印数据主键，用于排查问题。

false

ignoreUpdateBefore

忽略flink任务中的update_before，在大表局部更新时该参数一定打开，否则有update时会导致数据的其它列被设置为null，因为会先删除再写入数据。

true

示例

该示例是从kafka数据源中读取数据，写入DWS结果表中，并指定攒批时间不超过10秒，每批数据最大30000条，其具体步骤如下：

  1. 在GaussDB(DWS)数据库中创建表public.dws_order： 
     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
    		 
    create table public.dws_order(
  order_id VARCHAR,
  order_channel VARCHAR,
  order_time VARCHAR,
  pay_amount FLOAT8,
  real_pay FLOAT8,
  pay_time VARCHAR,
  user_id VARCHAR,
  user_name VARCHAR,
  area_id VARCHAR
  );
  2. 消费Kafka中order_test topic中的数据作为数据源，public.dws_order作为结果表，Kafka数据为JSON格式，并且字段名称和数据库字段名称一一对应： 
     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
    		 
    CREATE TABLE kafkaSource (
  order_id string,
  order_channel string,
  order_time string,
  pay_amount double,
  real_pay double,
  pay_time string,
  user_id string,
  user_name string,
  area_id string
) WITH (
  'connector' = 'kafka',
  'topic' = 'order_test',
  'properties.bootstrap.servers' = 'KafkaAddress1:KafkaPort,KafkaAddress2:KafkaPort',
  'properties.group.id' = 'GroupId',
  'scan.startup.mode' = 'latest-offset',
  'format' = 'json'
);

CREATE TABLE dwsSink (
  order_id string,
  order_channel string,
  order_time string,
  pay_amount double,
  real_pay double,
  pay_time string,
  user_id string,
  user_name string,
  area_id string
) WITH (
  'connector' = 'dws',
  'url' = 'jdbc:gaussdb://DWSAddress:DWSPort/DWSdbName',
  'tableName' = 'dws_order',
  'username' = 'DWSUserName',
  'password' = 'DWSPassword',
  'autoFlushMaxInterval' = '10s',
  'autoFlushBatchSize' = '30000'
);

insert into dwsSink select * from kafkaSource;
  3. 给Kafka写入测试数据： 
    1
    		 
    {"order_id":"202103241000000001", "order_channel":"webShop", "order_time":"2021-03-24 10:00:00", "pay_amount":"100.00", "real_pay":"100.00", "pay_time":"2021-03-24 10:02:03", "user_id":"0001", "user_name":"Alice", "area_id":"330106"}
  4. 等10秒后在GaussDB(DWS)表中查询结果： 
    1
    		 
     select * from dws_order

    结果如下：

常见问题

  • Q：writeMode参数设置什么值比较合适？

    A：根据业务场景分update（只更新存在的数据）和upsert（对于同一主键数据如果存在就更新，不存在就新增一条数据）两个类型，推荐直接使用auto方式即可，该方式下会根据数据量的大小自动选择，如果数据量较大会增大攒批参数autoFlushBatchSize，即可提升入库性能。

  • Q：autoFlushBatchSize和autoFlushMaxInterval怎么设置比较合适？
    A：autoFlushBatchSize参数用于设置最大攒批条数，autoFlushMaxInterval参数用于设置最大攒批间隔，两个参数分别从时间和空间维度管控攒批。
    • 通过autoFlushMaxInterval可保证数据量较小时的时效性，如对时效性无强制要求通常不建议设置的太小，建议不低于3s走默认值即可。
    • 通过autoFlushBatchSize可控制一批数据的最大条数，一般来说攒批量越大，对于整体入库性能会更好，对性能来说通常该参数的设置推荐越大越好，参数的设置根据业务数据的大小以及flink运行内存来设置，保证不内存溢出。

      对于大多业务来说无需设置autoFlushMaxInterval，将autoFlushBatchSize设置为50000即可。

  • Q: 遇到数据库死锁了怎么办？

    A：通常出现死锁大致分为行锁死锁和分布式死锁。

    • 行锁：该场景通常为同一主键数据的并发更新造成行锁，该情况可以通过对数据做key by解决，key by必须根据数据库主键做，保证同一个主键数据会在同一个并发中，破坏掉并发更新的条件，无法造成死锁。Flink SQL做key by需要Flink本身支持，对于DLI/MRS均能实现，如MRS flink通过增加参数“key-by-before-sink=true”可实现key by。具体怎么使用以实现方为准，对于无法使用的建议使用API方式入库。
    • 分布式死锁：该场景通常为列存表的并发更新造成分布式死锁，暂无法解决，建议使用行存或者hstore。
父主题： Flink SQL作业类型