DTStack / DTStack/chunjun

mysql轮询读取数据时,第一个切片的InputFormat中会重复读取数据

Abierto
#992 1 comentario 0 reacciones 0 asignados Ver en GitHub
bug
Lenguaje dominante
Java
Estrellas
4.1k
Forks
1.7k
Métricas de merge de PR
Sin PR fusionados en 30 d

Descripción

**Describe the bug**
当source或reader并行度>1,轮询读取数据时(例如:MySQL),第一个切片的InputFormat中会重复读取数据。

**Screenshots**
Chunjun Master分支代码中当source或reader并行度>1,轮询读取数据(例如:MySQL)时,会出现数据重复读取的情况。例如:设置mysql source的并行度为2时,mysql指定表此时只有2条数据,但是在Flink web UI中可以很明显的看见数据读取量不正确,经控制台打印分析,只有第一个子任务会重复读取数据:
![image](https://user-images.githubusercontent.com/51312128/175223790-08995fa0-4fe2-469f-a21b-85228d5a5b02.png)
![image](https://user-images.githubusercontent.com/51312128/175223811-1dadd79e-994d-4759-aa10-a6d1793ea612.png)
![image](https://user-images.githubusercontent.com/51312128/175223827-5e515abf-f0ef-4199-96f3-90c7b330f665.png)

Guía de contribución

Abrir la guía de contribución

Línea de trabajo

Comienza reproduciendo el código fuente de MySQL con un paralelismo mayor que 1 e inspecciona cómo el InputFormat del primer slice lee los datos. Compara los registros leídos por cada subtask con una tabla que contenga dos filas; se considera completado cuando cada fila se lee una vez y el primer subtask no repite datos.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
java, mysql
Área
data-engineering, databases, distributed-systems
Tipo de issue
Error
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Bastante claro
Aptitud para principiantes
35/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.