duplicate情况可能update pv =values(pv), 也可能 update pv = pv + values(pv)，这个根据具体任务统计逻辑决定，所以直接交给用户去设置挺好的。
此外，当前jdbc connector中，对于source情况也支持自定义sql，我指参数connector.read.query' 。所以其实可以类似来个参数connector.write.sql'，sql中通过?占位符指定字段啥的。 赵一旦 <[email protected]> 于2020年11月23日周一 下午5:09写道： > 总结下： > （1）group > by查询，输出为update流，配合mysqlSink可实现更新。（DDL中不需要定义update-mode，1.11中本身也不支持update-mode参数了）。 > （2）group by+tumble window查询，输出为append流，配合mysqlSink不可实现更新。 > > > 如上，如果是case(2)想要实现更新方式输出到mysql怎么办呢？感觉Flink不应该基于流的特征决定怎么输出，毕竟涉及到外部存储，实际情况和具体业务逻辑有关，仅根据流的特征决定怎么输出不合适。 > 还不如基于MySQL表的DDL（update-mode参数），或者隐式根据是否定义了primary key决定是否update方式输出。 > > > 说个假想的示例，如果我指定kafka从过去某个实际重新跑某个任务，这种情况部分输出肯定重复，用户一般都会希望duplicate update方式输出。 > 甚至DDL中推荐可以搞个自定义on > duplicate的处理逻辑，因为有些大窗口（天级别）的统计，有时候还可能基于小窗口叠加产生，也是需要依靠mysql提供的on duplicate > update功能。 > > > > > 赵一旦 <[email protected]> 于2020年11月23日周一 下午4:48写道： > >> 嗯。刚刚我做了个测试，简化，从kafka读入直接写mysql。 >> 发现这种方式也不行，但是加了group by之后是可以的。 >> >> （1） >> 所以说是否还需要query带有key的语义才行呢？ >> 比如group by的结果是可能update的，并且基于group by key也指出了key。 >> >> 那么group by + tumble window情况下，输出貌似是append的，这种情况是否可以使用upsert方式输出到mysql呢？ >> >> （2）如JarkWu所说，是mysql表的DDL部分决定。 >> >> 如上1和2，哪个对呢？当然我个人期望是2。但是如果是2的话，那么为什么从kafka读取直接写mysql情况不可以呢？ >> >> Jark Wu <[email protected]> 于2020年11月23日周一 下午4:28写道： >> >>> 这个页面就是我上面说的 旧版connector，已经被废弃了，所以侧边栏没有导航。 >>> >>> 新版的 jdbc sink，会根据 ddl 上是否有 PK 来决定是否工作在 upsert 模式。 >>> >>> Best, >>> Jark >>> >>> On Mon, 23 Nov 2020 at 15:39, 赵一旦 <[email protected]> wrote: >>> >>> > 看了下，1.11中这个页面也有，但好像没左侧导航入口，在sql create页面中有链接可以链到 >>> > >>> > >>> https://ci.apache.org/projects/flink/flink-docs-release-1.10/dev/table/connect.html#update-modes >>> > 页面。 >>> > >>> > >>> > >>> 1.11中定义mysql表的时候需不需要显示指定upodate-mode，毕竟同时支持append-mode和upsert-mode。还是说flink会自己去判定。 >>> > >>> > Jark Wu <[email protected]> 于2020年11月23日周一 下午3:32写道： >>> > >>> > > 请用新的 jdbc connector 。老的 jdbc connector 行为不太一样。 >>> > > >>> > > On Mon, 23 Nov 2020 at 15:21, 赵一旦 <[email protected]> wrote: >>> > > >>> > > > 如下是Flink官方文档JBDC connector的部分内容。Key handling >>> > > > < >>> > > > >>> > > >>> > >>> https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/connectors/jdbc.html#key-handling >>> > > > > >>> > > > >>> > > > Flink uses the primary key that defined in DDL when writing data to >>> > > > external databases. The connector operate in upsert mode if the >>> primary >>> > > key >>> > > > was defined, otherwise, the connector operate in append mode. >>> > > > >>> > > > In upsert mode, Flink will insert a new row or update the existing >>> row >>> > > > according to the primary key, Flink can ensure the idempotence in >>> this >>> > > way. >>> > > > To guarantee the output result is as expected, it’s recommended to >>> > define >>> > > > primary key for the table and make sure the primary key is one of >>> the >>> > > > unique key sets or primary key of the underlying database table. In >>> > > append >>> > > > mode, Flink will interpret all records as INSERT messages, the >>> INSERT >>> > > > operation may fail if a primary key or unique constraint violation >>> > > happens >>> > > > in the underlying database. >>> > > > >>> > > > See CREATE TABLE DDL >>> > > > < >>> > > > >>> > > >>> > >>> https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/sql/create.html#create-table >>> > > > > >>> > > > for >>> > > > more details about PRIMARY KEY syntax. >>> > > > >>> > > > >>> > > > 这里也有一点，In append mode, Flink will interpret all records as INSERT >>> > > messages, >>> > > > the INSERT operation may fail if a primary key or unique constraint >>> > > > violation happens in the underlying database. 什么叫append >>> > > > mode。这个是指根据sql的逻辑自己去判定是否append，还是啥？ >>> > > > >>> > > > 1.10的文档中貌似DDL中支持这么定义 'update-mode' = 'append'。但是1.11中没提到这些东西。 >>> > > > >>> > > > >>> > > > >>> > > > 赵一旦 <[email protected]> 于2020年11月23日周一 下午3:02写道： >>> > > > >>> > > > > 补充sql： >>> > > > > >>> > > > > DDL： >>> > > > > >>> > > > > CREATE TABLE flink_recent_pv_subid >>> > > > > ( >>> > > > > `supply_id` STRING, >>> > > > > `subid` STRING, >>> > > > > `mark` STRING, >>> > > > > `time` STRING, >>> > > > > `pv` BIGINT, >>> > > > > PRIMARY KEY(`supply_id`, `subid`, `mark`, `time`) NOT >>> ENFORCED >>> > > > > ) WITH ( >>> > > > > 'connector.type' = 'jdbc', >>> > > > > >>> > > > > ...... >>> > > > > >>> > > > > ); >>> > > > > >>> > > > > >>> > > > > 查询SQL： >>> > > > > >>> > > > > INSERT INTO >>> > > > > flink_recent_pv_subid >>> > > > > SELECT >>> > > > > `sid`, >>> > > > > `subid`, >>> > > > > `mark`, >>> > > > > DATE_FORMAT(TUMBLE_END(`event_time`, INTERVAL '5' MINUTE), >>> > > > 'yyyyMMddHHmm') as `time`, >>> > > > > count(1) AS `pv` >>> > > > > FROM baidu_log_view >>> > > > > GROUP BY `sid`, `subid`, `mark`, TUMBLE(event_time, INTERVAL '5' >>> > > MINUTE); >>> > > > > >>> > > > > >>> > > > > 赵一旦 <[email protected]> 于2020年11月23日周一 下午3:00写道： >>> > > > > >>> > > > >> @hailongwang 一样的。 >>> > > > >> >>> > > > >> 有个情况说明下，我是tumble >>> > window统计，所以输出的是append流。duplicate是我手动在flink输出前手动添加进去的。 >>> > > > >> 目的在于测试flink这个sink是根据自身历史输出决定是否insert/update（比如retract流情况， >>> > > > >> flink可能有能力知道当前这次输出是该key下第一次，还是第n次输出），还是会判定实际数据库中数据是否存在为准。 >>> > > > >> >>> > > > >> >>> > > > >> >>> > > > >> >>> > > > >> hailongwang <[email protected]> 于2020年11月23日周一 下午2:39写道： >>> > > > >> >>> > > > >>> 数据库中主键的设置跟 primary key 定义的一样不？ >>> > > > >>> >>> > > > >>> >>> > > > >>> Best， >>> > > > >>> Hailong >>> > > > >>> 在 2020-11-23 13:15:01，"赵一旦" <[email protected]> 写道： >>> > > > >>> >如题，按照官方文档，当mysql表定义了primary >>> key的时候，会使用UpsertTableSink，并且会使用insert >>> > on >>> > > > >>> >duplicate方式写入。 >>> > > > >>> > >>> > > > >>> >但我在使用中，发现报了 duplicate entry的错误。例如： >>> > > > >>> >Caused by: com.mysql.jdbc.exceptions.jdbc4. >>> > > > >>> >MySQLIntegrityConstraintViolationException: Duplicate entry >>> > > > >>> >'2036-feed_landing_box_news-2000-202011231405' for key >>> 'uniq_ssmt' >>> > > > >>> > at >>> > sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native >>> > > > >>> Method) >>> > > > >>> > at sun.reflect.NativeConstructorAccessorImpl.newInstance( >>> > > > >>> >NativeConstructorAccessorImpl.java:62) >>> > > > >>> > at >>> sun.reflect.DelegatingConstructorAccessorImpl.newInstance( >>> > > > >>> >DelegatingConstructorAccessorImpl.java:45) >>> > > > >>> > at >>> > > java.lang.reflect.Constructor.newInstance(Constructor.java:423) >>> > > > >>> > at com.mysql.jdbc.Util.handleNewInstance(Util.java:411) >>> > > > >>> > at com.mysql.jdbc.Util.getInstance(Util.java:386) >>> > > > >>> > at >>> > > com.mysql.jdbc.SQLError.createSQLException(SQLError.java:1041) >>> > > > >>> > at >>> com.mysql.jdbc.MysqlIO.checkErrorPacket(MysqlIO.java:4190) >>> > > > >>> > at >>> com.mysql.jdbc.MysqlIO.checkErrorPacket(MysqlIO.java:4122) >>> > > > >>> > at com.mysql.jdbc.MysqlIO.sendCommand(MysqlIO.java:2570) >>> > > > >>> > at >>> com.mysql.jdbc.MysqlIO.sqlQueryDirect(MysqlIO.java:2731) >>> > > > >>> > at >>> > > com.mysql.jdbc.ConnectionImpl.execSQL(ConnectionImpl.java:2818) >>> > > > >>> > at >>> > > > >>> >>> com.mysql.jdbc.PreparedStatement.executeInternal(PreparedStatement >>> > > > >>> >.java:2157) >>> > > > >>> > at >>> > > > com.mysql.jdbc.PreparedStatement.executeUpdate(PreparedStatement >>> > > > >>> >.java:2460) >>> > > > >>> > at >>> > > > com.mysql.jdbc.PreparedStatement.executeUpdate(PreparedStatement >>> > > > >>> >.java:2377) >>> > > > >>> > at >>> > > > com.mysql.jdbc.PreparedStatement.executeUpdate(PreparedStatement >>> > > > >>> >.java:2361) >>> > > > >>> > at com.mysql.jdbc.PreparedStatement.executeBatchedInserts( >>> > > > >>> >PreparedStatement.java:1793) >>> > > > >>> > >>> > > > >>> >（2） >>> > > > >>> >>> > >此外，还有个小奇怪点，202011231405的数据，其他该时间的数据都在06分输出了（我设置了1min的maxOutOfOrder）。 >>> > > > >>> >但这个冲突的entry是在14.11分那一波才报错的。 >>> > > > >>> >>> > > > >> >>> > > > >>> > > >>> > >>> >>
