文章目录
快照阶段
1.根据主键或者非主键把数据分成chunk,每个并行,处理一个chunk,每个chunk,根据切分范围,先同步快照数据,然后要同步lw,到hw 期间的binglog数据,对快照数据进行修正。
增量阶段
1.统计所有chunk ,选择最小的lw作为增量binglog的起点。这里面有注意的一点,只有在已完成的快照分片范围内,并且偏移量高于 high watermark 的 binlog 事件才会被输出。
举例
假设有以下分片和对应的 high watermark:
分片 snapshot-split-0:[0, 1024),high watermark = HW0
分片 snapshot-split-1:[1024, 2048),high watermark = HW1
在这种情况下,增量数据的处理规则如下:
对于分片 snapshot-split-0,只有当 offset > HW0 且事件键在 [0, 1024) 时,增量事件才会输出。
对于分片 snapshot-split-1,只有当 offset > HW1 且事件键在 [1024, 2048) 时,增量事件才会输出。
总结
通过快照分片和 high watermark 机制,Flink CDC 实现了增量快照读取的精确控制。增量事件只有在已完成的快照分片范围内、并且偏移量超过 high watermark 时才会被输出,确保了增量数据与快照数据在顺序性和一致性上的无缝对接
问题
- 为啥小于hw不输出,实际上小于hw,已经同步快照的阶段处理了
- 如果遇到事务rallback,如何处理
bash
BEGIN;
INSERT INTO orders (id, status) VALUES (1, 'NEW');
UPDATE orders SET status = 'SHIPPED' WHERE id = 1;
ROLLBACK;
在这段事务中,由于执行了 ROLLBACK,这两条操作不会影响数据库的最终状态。在 MySQL 的 binlog 日志中,这一事务会包括 BEGIN 和 ROLLBACK 标记,而不会有 COMMIT 标记。
在 Flink CDC 中的处理流程如下:
读取到 BEGIN 标记后,将该事务视为暂存状态,并缓存该事务的所有变更数据。
读取 INSERT 和 UPDATE 操作,并暂时存储这些变更记录,等待后续的事务提交。
读取到 ROLLBACK 标记后,丢弃当前事务的所有变更数据,并清除缓存,确保这两条未提交的变更不会输出到下游系统。