バージョン: 3.x

Flink Doris コネクタ

Flink Doris Connectorは、Flinkを通じてDorisクラスターからデータを読み取り、データを書き込むために使用されます。また、FlinkCDCと統合されており、MySQLなどの上流データベースとのより便利な全データベース同期を可能にします。

Flink Connectorを使用して、以下の操作を実行できます：

Dorisからのデータ読み取り: Flink ConnectorはBEからの並列読み取りをサポートし、データ取得効率を向上させます。
Dorisへのデータ書き込み: Flinkでバッチ処理した後、Stream Loadを使用してデータを一括でDorisにインポートします。
Lookup Joinによるディメンションテーブル結合: バッチ処理と非同期クエリによりディメンションテーブル結合を高速化します。
全データベース同期: Flink CDCを使用して、自動テーブル作成やDDL操作を含むMySQL、Oracle、PostgreSQLなどの全データベースを同期できます。

バージョン説明

Connector Version	Flink Version	Doris Version	Java Version	Scala Version
1.0.3	1.11,1.12,1.13,1.14	0.15+	8	2.11,2.12
1.1.1	1.14	1.0+	8	2.11,2.12
1.2.1	1.15	1.0+	8	-
1.3.0	1.16	1.0+	8	-
1.4.0	1.15 - 1.17	1.0+	8	-
1.5.2	1.15 - 1.18	1.0+	8	-
1.6.1	1.15 - 1.19	1.0+	8	-
24.0.1	1.15 - 1.20	1.0+	8	-
24.1.0	1.15 - 1.20	1.0+	8	-
25.0.0	1.15 - 1.20	1.0+	8	-
25.1.0	1.15 - 1.20	1.0+	8	-
26.0.0	1.15 - 1.20,2.0 - 2.2	1.0+	8(1.x),17(2.x)	-

使用方法

Flink Doris Connectorは2つの方法で使用できます：JarまたはMaven経由。

Jar

こちらから対応するバージョンのFlink Doris Connector Jarファイルをダウンロードし、このファイルをFlinkセットアップのclasspathにコピーしてFlink-Doris-Connectorを使用できます。StandaloneモードのFlinkデプロイメントでは、このファイルをlib/フォルダの下に配置します。Yarnモードで実行されるFlinkクラスターでは、ファイルをデプロイ前パッケージに配置します。

Maven

Mavenで使用するには、Pomファイルに以下の依存関係を追加するだけです：

<dependency>
  <groupId>org.apache.doris</groupId>
  <artifactId>flink-doris-connector-${flink.version}</artifactId>
  <version>${connector.version}</version>
</dependency> 

例えば：

<dependency>
  <groupId>org.apache.doris</groupId>
  <artifactId>flink-doris-connector-1.16</artifactId>
  <version>25.1.0</version>
</dependency> 

動作原理

Dorisからのデータ読み取り

FlinkConnectorPrinciples-JDBC-Doris

データ読み取り時、Flink Doris ConnectorはFlink JDBC Connectorと比較してより高いパフォーマンスを提供し、使用が推奨されます：

Flink JDBC Connector: DorisはMySQLプロトコルと互換性がありますが、Flink JDBC Connectorを使用してDorisクラスターに対して読み書きを行うことは推奨されません。このアプローチでは、単一のFEノードでのシリアル読み書き操作となり、ボトルネックが発生してパフォーマンスに影響します。
Flink Doris Connector: Doris 2.1以降、ADBCがFlink Doris Connectorのデフォルトプロトコルです。読み取りプロセスは以下のステップに従います：

a. Flink Doris Connectorは最初に、クエリプランに基づいてFEからTablet ID情報を取得します。

b. クエリステートメント SELECT * FROM tbs TABLET(id1, id2, id3) を生成します。

c. その後、クエリはFEのADBCポート経由で実行されます。

d. データはBEから直接返却され、FEをバイパスすることで単一点のボトルネックを排除します。

Dorisへのデータ書き込み

データ書き込みにFlink Doris Connectorを使用する場合、Flinkのメモリでバッチ処理が実行された後、Stream Load経由で一括インポートされます。Doris Flink Connectorは2つのバッチモードを提供し、Flink Checkpointベースのストリーミング書き込みがデフォルトです：

	Streaming Write	Batch Write
トリガー条件	Flink Checkpointsに依存し、Flinkのcheckpointサイクルに従ってDorisに書き込み	コネクターが定義した時間またはデータ量の閾値に基づく定期的な送信
整合性	Exactly-Once	At-Least-Once; primary keyモデルでExactly-Onceを保証可能
レイテンシ	Flinkのcheckpoint間隔により制限され、一般的により高い	独立したバッチメカニズムで柔軟な調整が可能
障害許容性と復旧	Flinkの状態復旧と完全に一致	外部の重複排除ロジックに依存（例：Dorisのprimary key重複排除）

クイックスタート

準備

Flinkクラスターのデプロイ

Standaloneクラスターを例にとると：

Flinkのインストールパッケージをダウンロード（例：Flink 1.18.1）；
展開後、Flink Doris ConnectorパッケージをFLINK_HOME/libに配置；
FLINK_HOMEディレクトリに移動し、bin/start-cluster.shを実行してFlinkクラスターを開始；
jpsコマンドを使用してFlinkクラスターが正常に開始されたかを確認できます。

Dorisテーブルの初期化

以下のステートメントを実行してDorisテーブルを作成します：

CREATE DATABASE test;

CREATE TABLE test.student (
  `id` INT,
  `name` VARCHAR(256),
  `age` INT
)
UNIQUE KEY(`id`)
DISTRIBUTED BY HASH(`id`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 3"
);

INSERT INTO test.student values(1,"James",18);
INSERT INTO test.student values(2,"Emily",28);

CREATE TABLE test.student_trans (
  `id` INT,
  `name` VARCHAR(256),
  `age` INT
)
UNIQUE KEY(`id`)
DISTRIBUTED BY HASH(`id`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 3"
);

FlinkSQLタスクの実行

FlinkSQLクライアントの開始

bin/sql-client.sh

FlinkSQL の実行

CREATE TABLE Student (
    id STRING,
    name STRING,
    age INT
    ) 
    WITH (
      'connector' = 'doris',
      'fenodes' = '127.0.0.1:8030',
      'table.identifier' = 'test.student',
      'username' = 'root',
      'password' = ''
);

CREATE TABLE StudentTrans (
    id STRING,
    name STRING,
    age INT
    ) 
    WITH (
      'connector' = 'doris',
      'fenodes' = '127.0.0.1:8030',
      'table.identifier' = 'test.student_trans',
      'username' = 'root',
      'password' = '',
      'sink.label-prefix' = 'doris_label'
);

INSERT INTO StudentTrans SELECT id, concat('prefix_',name), age+1 FROM Student;

クエリデータ

mysql> select * from test.student_trans;
+------+--------------+------+
| id   | name         | age  |
+------+--------------+------+
|    1 | prefix_James |   19 |
|    2 | prefix_Emily |   29 |
+------+--------------+------+
2 rows in set (0.02 sec)

シナリオと操作

Dorisからのデータ読み取り

FlinkがDorisからデータを読み取る場合、Doris Sourceは現在有界ストリームであり、CDC方式での継続的な読み取りをサポートしていません。DorisからのデータはThriftまたはArrowFlightSQL（バージョン24.0.0以降でサポート）を使用して読み取ることができます。バージョン2.1以降、ArrowFlightSQLが推奨されるアプローチです。

Thrift: BEのThriftインターフェースを呼び出すことでデータを読み取ります。詳細な手順については、Thriftインターフェース経由でのデータ読み取りを参照してください。
ArrowFlightSQL: Doris 2.1に基づき、この方法ではArrow Flight SQLプロトコルを使用して大容量データの高速読み取りが可能です。詳細については、Arrow Flight SQL経由での高速データ転送を参照してください。

FlinkSQLを使用したデータ読み取り

Thrift方式

CREATE TABLE student (
    id INT,
    name STRING,
    age INT
    ) 
    WITH (
      'connector' = 'doris',
      'fenodes' = '127.0.0.1:8030',  -- Fe的host:HttpPort
      'table.identifier' = 'test.student',
      'username' = 'root',
      'password' = ''
);

SELECT * FROM student;

ArrowFlightSQL

CREATE TABLE student (
    id INT,
    name STRING,
    age INT
    ) 
    WITH (
      'connector' = 'doris',
      'fenodes' = '{fe.conf:http_port}', 
      'table.identifier' = 'test.student',
      'source.use-flight-sql' = 'true',
      'source.flight-sql-port' = '{fe.conf:arrow_flight_sql_port}',
      'username' = 'root',
      'password' = ''
);

SELECT * FROM student;

DataStream APIを使用したデータの読み取り

DataStream APIを使用してデータを読み取る場合は、「使用方法」セクションで説明されているように、事前にプログラムのPOMファイルに依存関係を含める必要があります。

final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
DorisOptions option = DorisOptions.builder()
        .setFenodes("127.0.0.1:8030")
        .setTableIdentifier("test.student")
        .setUsername("root")
        .setPassword("")
        .build();

DorisReadOptions readOptions = DorisReadOptions.builder().build();
DorisSource<List<?>> dorisSource = DorisSource.<List<?>>builder()
        .setDorisOptions(option)
        .setDorisReadOptions(readOptions)
        .setDeserializer(new SimpleListDeserializationSchema())
        .build();

env.fromSource(dorisSource, WatermarkStrategy.noWatermarks(), "doris source").print();
env.execute("Doris Source Test");

完全なコードについては、DorisSourceDataStream.javaを参照してください。

DorisへのデータWriting

FlinkはStream Load方式を使用してDorisにデータをWritingし、ストリーミングとバッチ挿入の両方のモードをサポートしています。

ストリーミングとバッチ挿入の違い

Connector 1.5.0から、バッチ挿入がサポートされています。バッチ挿入はCheckpointに依存せず、データをメモリにBufferingし、バッチパラメータに基づいてWritingタイミングを制御します。ストリーミング挿入はCheckpointの有効化が必要で、Checkpoint期間全体を通じて上流データをDorisに継続的にWritingし、データを継続的にメモリに保持しません。

FlinkSQLを使用したデータWriting

テストのため、FlinkのDatagenを使用して継続的に生成される上流データをシミュレートします。

-- enable checkpoint
SET 'execution.checkpointing.interval' = '30s';

CREATE TABLE student_source (
    id INT,
    name STRING,
    age INT
) WITH (
  'connector' = 'datagen',
  'rows-per-second' = '1',
  'fields.name.length' = '20',
  'fields.id.min' = '1',
  'fields.id.max' = '100000',
  'fields.age.min' = '3',
  'fields.age.max' = '30'
);

-- doris sink
CREATE TABLE student_sink (
    id INT,
    name STRING,
    age INT
    ) 
    WITH (
      'connector' = 'doris',
      'fenodes' = '10.16.10.6:28737',
      'table.identifier' = 'test.student',
      'username' = 'root',
      'password' = 'password',
      'sink.label-prefix' = 'doris_label'
      --'sink.enable.batch-mode' = 'true'  Adding this configuration enables batch writing
);

INSERT INTO student_sink SELECT * FROM student_source;

DataStream APIを使用したデータの書き込み

DataStream APIを使用してデータを書き込む際、様々なシリアライゼーション方法を使用して、Dorisテーブルに書き込む前に上流データをシリアライズできます。

備考

ConnectorにはすでにHttpClient4.5.13バージョンが含まれています。プロジェクトで別途HttpClientを参照する場合は、バージョンが一致していることを確認する必要があります。

標準文字列形式

上流データがCSVまたはJSON形式の場合、SimpleStringSerializerを直接使用してデータをシリアライズできます。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.enableCheckpointing(30000);
DorisSink.Builder<String> builder = DorisSink.builder();

DorisOptions dorisOptions = DorisOptions.builder()
        .setFenodes("10.16.10.6:28737")
        .setTableIdentifier("test.student")
        .setUsername("root")
        .setPassword("")
        .build();

Properties properties = new Properties();
// When the upstream data is in json format, the following configuration needs to be enabled
properties.setProperty("read_json_by_line", "true");
properties.setProperty("format", "json");
    
// When writing csv data from the upstream, the following configurations need to be enabled
//properties.setProperty("format", "csv");
//properties.setProperty("column_separator", ",");
    
DorisExecutionOptions executionOptions = DorisExecutionOptions.builder()
       .setLabelPrefix("label-doris")
       .setDeletable(false)
       //.setBatchMode(true)  Enable batch writing
       .setStreamLoadProp(properties)
       .build();

builder.setDorisReadOptions(DorisReadOptions.builder().build())
       .setDorisExecutionOptions(executionOptions)
       .setSerializer(new SimpleStringSerializer())
       .setDorisOptions(dorisOptions);

List<String> data = new ArrayList<>();
data.add("{\"id\":3,\"name\":\"Michael\",\"age\":28}");
data.add("{\"id\":4,\"name\":\"David\",\"age\":38}");

env.fromCollection(data).sinkTo(builder.build());
env.execute("doris test");

完全なコードについては、DorisSinkExample.javaを参照してください。

RowData形式

RowDataはFlinkの内部形式です。上流のデータがRowData形式の場合、RowDataSerializerを使用してデータをシリアル化する必要があります。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.enableCheckpointing(10000);
env.setParallelism(1);

DorisSink.Builder<RowData> builder = DorisSink.builder();

Properties properties = new Properties();
properties.setProperty("column_separator", ",");
properties.setProperty("line_delimiter", "\n");
properties.setProperty("format", "csv");
// When writing json data from the upstream, the following configuration needs to be enabled
// properties.setProperty("read_json_by_line", "true");
// properties.setProperty("format", "json");
DorisOptions.Builder dorisBuilder = DorisOptions.builder();
dorisBuilder
        .setFenodes("10.16.10.6:28737")
        .setTableIdentifier("test.student")
        .setUsername("root")
        .setPassword("");
DorisExecutionOptions.Builder executionBuilder = DorisExecutionOptions.builder();
executionBuilder.setLabelPrefix(UUID.randomUUID().toString()).setDeletable(false).setStreamLoadProp(properties);

// flink rowdata‘s schema
String[] fields = {"id","name", "age"};
DataType[] types = {DataTypes.INT(), DataTypes.VARCHAR(256), DataTypes.INT()};

builder.setDorisExecutionOptions(executionBuilder.build())
        .setSerializer(
                RowDataSerializer.builder() // serialize according to rowdata
                        .setType(LoadConstants.CSV)
                        .setFieldDelimiter(",")
                        .setFieldNames(fields)
                        .setFieldType(types)
                        .build())
        .setDorisOptions(dorisBuilder.build());

// mock rowdata source
DataStream<RowData> source =
        env.fromElements("")
                .flatMap(
                        new FlatMapFunction<String, RowData>() {
                            @Override
                            public void flatMap(String s, Collector<RowData> out)
                                    throws Exception {
                                GenericRowData genericRowData = new GenericRowData(3);
                                genericRowData.setField(0, 1);
                                genericRowData.setField(1, StringData.fromString("Michael"));
                                genericRowData.setField(2, 18);
                                out.collect(genericRowData);

                                GenericRowData genericRowData2 = new GenericRowData(3);
                                genericRowData2.setField(0, 2);
                                genericRowData2.setField(1, StringData.fromString("David"));
                                genericRowData2.setField(2, 38);
                                out.collect(genericRowData2);
                            }
                        });

source.sinkTo(builder.build());
env.execute("doris test");

完全なコードについては、DorisSinkExampleRowData.java を参照してください。

Debezium Format

FlinkCDCからのデータやKafkaのDebezium formatなど、Debezium format形式の上流データについては、JsonDebeziumSchemaSerializerを使用してデータをシリアル化できます。

// enable checkpoint
env.enableCheckpointing(10000);

Properties props = new Properties();
props.setProperty("format", "json");
props.setProperty("read_json_by_line", "true");
DorisOptions dorisOptions = DorisOptions.builder()
        .setFenodes("127.0.0.1:8030")
        .setTableIdentifier("test.student")
        .setUsername("root")
        .setPassword("").build();

DorisExecutionOptions.Builder  executionBuilder = DorisExecutionOptions.builder();
executionBuilder.setLabelPrefix("label-prefix")
        .setStreamLoadProp(props)
        .setDeletable(true);

DorisSink.Builder<String> builder = DorisSink.builder();
builder.setDorisReadOptions(DorisReadOptions.builder().build())
        .setDorisExecutionOptions(executionBuilder.build())
        .setDorisOptions(dorisOptions)
        .setSerializer(JsonDebeziumSchemaSerializer.builder().setDorisOptions(dorisOptions).build());

env.fromSource(mySqlSource, WatermarkStrategy.noWatermarks(), "MySQL Source")
        .sinkTo(builder.build());

完全なコードについては、CDCSchemaChangeExample.javaを参照してください。

マルチテーブル書き込みフォーマット

現在、DorisSinkは単一のSinkで複数のテーブルの同期をサポートしています。データとデータベース/テーブル情報の両方をSinkに渡し、RecordWithMetaSerializerを使用してシリアライズする必要があります。

StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
DorisSink.Builder<RecordWithMeta> builder = DorisSink.builder();
Properties properties = new Properties();
properties.setProperty("column_separator", ",");
properties.setProperty("line_delimiter", "\n");
properties.setProperty("format", "csv");
DorisOptions.Builder dorisBuilder = DorisOptions.builder();
dorisBuilder
        .setFenodes("10.16.10.6:28737")
        .setTableIdentifier("")
        .setUsername("root")
        .setPassword("");

DorisExecutionOptions.Builder executionBuilder = DorisExecutionOptions.builder();

executionBuilder
        .setLabelPrefix("label-doris")
        .setStreamLoadProp(properties)
        .setDeletable(false)
        .setBatchMode(true);

builder.setDorisReadOptions(DorisReadOptions.builder().build())
        .setDorisExecutionOptions(executionBuilder.build())
        .setDorisOptions(dorisBuilder.build())
        .setSerializer(new RecordWithMetaSerializer());

RecordWithMeta record = new RecordWithMeta("test", "student_1", "1,David,18");
RecordWithMeta record1 = new RecordWithMeta("test", "student_2", "1,Jack,28");
env.fromCollection(Arrays.asList(record, record1)).sinkTo(builder.build());

完全なコードについては、以下を参照してください：DorisSinkMultiTableExample.java

Lookup Join

Lookup Joinを使用することで、Flinkでのディメンションテーブル結合を最適化できます。ディメンションテーブル結合にFlink JDBC Connectorを使用する場合、以下の問題が発生する可能性があります：

Flink JDBC Connectorは同期クエリモードを使用するため、上流のデータ（例：Kafkaから）がレコードを送信した後、即座にDorisディメンションテーブルにクエリを実行します。これにより、高同時実行シナリオでクエリレイテンシが高くなります。
JDBCを介して実行されるクエリは、通常レコードごとのポイントルックアップですが、Dorisはより良い効率のためにバッチクエリを推奨しています。

Flink Doris Connectorでディメンションテーブル結合にLookup Joinを使用することで、以下の利点が得られます：

上流データのバッチキャッシュにより、レコードごとのクエリによって引き起こされる高レイテンシとデータベース負荷を回避します。
結合クエリの非同期実行により、データスループットを向上させ、Dorisへのクエリ負荷を軽減します。

CREATE TABLE fact_table (
  `id` BIGINT,
  `name` STRING,
  `city` STRING,
  `process_time` as proctime()
) WITH (
  'connector' = 'kafka',
  ...
);

create table dim_city(
  `city` STRING,
  `level` INT ,
  `province` STRING,
  `country` STRING
) WITH (
  'connector' = 'doris',
  'fenodes' = '127.0.0.1:8030',
  'jdbc-url' = 'jdbc:mysql://127.0.0.1:9030',
  'table.identifier' = 'dim.dim_city',
  'username' = 'root',
  'password' = '',
  'lookup.cache.max-rows' = '100000',
  'lookup.cache.ttl' = '300s'
);

SELECT a.id, a.name, a.city, c.province, c.country,c.level 
FROM fact_table a
LEFT JOIN dim_city FOR SYSTEM_TIME AS OF a.process_time AS c
ON a.city = c.city

フルデータベース同期

Flink Doris ConnectorはFlink CDC（Flink CDC Documentation）を統合しており、MySQLなどのリレーショナルデータベースをDorisに同期することをより簡単にします。この統合には、自動テーブル作成、スキーマ変更なども含まれます。同期がサポートされているデータベースには以下が含まれます：MySQL、Oracle、PostgreSQL、SQLServer、MongoDB、DB2。

Note

フルデータベース同期を使用する場合、$FLINK_HOME/libディレクトリに対応するFlink CDCの依存関係（Fat Jar）を追加する必要があります。例えばflink-sql-connector-mysql-cdc-${version}.jar、flink-sql-connector-oracle-cdc-${version}.jarなど。FlinkCDCバージョン3.1以降は、以前のバージョンとの互換性がありません。以下のリンクから依存関係をダウンロードできます：FlinkCDC 3.x、FlinkCDC 2.x。
Connector 24.0.0以降のバージョンでは、必要なFlink CDCのバージョンは3.1以上である必要があります。ここからダウンロードできます。Flink CDCを使用してMySQLとOracleを同期する場合は、$FLINK_HOME/libの下に関連するJDBCドライバーも追加する必要があります。

MySQLフルデータベース同期

Flinkクラスターを起動した後、以下のコマンドを直接実行できます：

<FLINK_HOME>bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.16-24.0.1.jar \
    mysql-sync-database \
    --database test_db \
    --mysql-conf hostname=127.0.0.1 \
    --mysql-conf port=3306 \
    --mysql-conf username=root \
    --mysql-conf password=123456 \
    --mysql-conf database-name=mysql_db \
    --including-tables "tbl1|test.*" \
    --sink-conf fenodes=127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password=123456 \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 

Oracle データベース全体同期

<FLINK_HOME>bin/flink run \
     -Dexecution.checkpointing.interval=10s \
     -Dparallelism.default=1 \
     -c org.apache.doris.flink.tools.cdc.CdcTools \
     ./lib/flink-doris-connector-1.16-24.0.1.jar \
     oracle-sync-database \
     --database test_db \
     --oracle-conf hostname=127.0.0.1 \
     --oracle-conf port=1521 \
     --oracle-conf username=admin \
     --oracle-conf password="password" \
     --oracle-conf database-name=XE \
     --oracle-conf schema-name=ADMIN \
     --including-tables "tbl1|tbl2" \
     --sink-conf fenodes=127.0.0.1:8030 \
     --sink-conf username=root \
     --sink-conf password=\
     --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
     --sink-conf sink.label-prefix=label \
     --table-conf replication_num=1

PostgreSQL データベース全体の同期

<FLINK_HOME>/bin/flink run \
     -Dexecution.checkpointing.interval=10s \
     -Dparallelism.default=1\
     -c org.apache.doris.flink.tools.cdc.CdcTools \
     ./lib/flink-doris-connector-1.16-24.0.1.jar \
     postgres-sync-database \
     --database db1\
     --postgres-conf hostname=127.0.0.1 \
     --postgres-conf port=5432 \
     --postgres-conf username=postgres \
     --postgres-conf password="123456" \
     --postgres-conf database-name=postgres \
     --postgres-conf schema-name=public \
     --postgres-conf slot.name=test \
     --postgres-conf decoding.plugin.name=pgoutput \
     --including-tables "tbl1|tbl2" \
     --sink-conf fenodes=127.0.0.1:8030 \
     --sink-conf username=root \
     --sink-conf password=\
     --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
     --sink-conf sink.label-prefix=label \
     --table-conf replication_num=1

SQLServer データベース全体同期

<FLINK_HOME>/bin/flink run \
     -Dexecution.checkpointing.interval=10s \
     -Dparallelism.default=1 \
     -c org.apache.doris.flink.tools.cdc.CdcTools \
     ./lib/flink-doris-connector-1.16-24.0.1.jar \
     sqlserver-sync-database \
     --database db1\
     --sqlserver-conf hostname=127.0.0.1 \
     --sqlserver-conf port=1433 \
     --sqlserver-conf username=sa \
     --sqlserver-conf password="123456" \
     --sqlserver-conf database-name=CDC_DB \
     --sqlserver-conf schema-name=dbo \
     --including-tables "tbl1|tbl2" \
     --sink-conf fenodes=127.0.0.1:8030 \
     --sink-conf username=root \
     --sink-conf password=\
     --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
     --sink-conf sink.label-prefix=label \
     --table-conf replication_num=1

DB2 全データベース同期

<FLINK_HOME>bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.16-24.0.1.jar \
    db2-sync-database \
    --database db2_test \
    --db2-conf hostname=127.0.0.1 \
    --db2-conf port=50000 \
    --db2-conf username=db2inst1 \
    --db2-conf password=doris123456 \
    --db2-conf database-name=testdb \
    --db2-conf schema-name=DB2INST1 \
    --including-tables "FULL_TYPES|CUSTOMERS" \
    --single-sink true \
    --use-new-schema-change true \
    --sink-conf fenodes=127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password=123456 \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 

MongoDB データベース全体同期

<FLINK_HOME>/bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    ./lib/flink-doris-connector-1.18-24.0.1.jar \
    mongodb-sync-database \
    --database doris_db \
    --schema-change-mode debezium_structure \
    --mongodb-conf hosts=127.0.0.1:27017 \
    --mongodb-conf username=flinkuser \
    --mongodb-conf password=flinkpwd \
    --mongodb-conf database=test \
    --mongodb-conf scan.startup.mode=initial \
    --mongodb-conf schema.sample-percent=0.2 \
    --including-tables "tbl1|tbl2" \
    --sink-conf fenodes=127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password= \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --sink-conf sink.enable-2pc=false \
    --table-conf replication_num=1

AWS Aurora MySQL データベース全体同期

<FLINK_HOME>bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.18-25.0.0.jar \
    mysql-sync-database \
    --database testwd \
    --mysql-conf hostname=xxx.us-east-1.rds.amazonaws.com \
    --mysql-conf port=3306 \
    --mysql-conf username=admin \
    --mysql-conf password=123456 \
    --mysql-conf database-name=test \
    --mysql-conf server-time-zone=UTC \
    --including-tables "student" \
    --sink-conf fenodes=127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password= \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 

AWS RDS MySQL データベース全体同期

<FLINK_HOME>bin/flink run \
    -Dexecution.checkpointing.interval=10s \
    -Dparallelism.default=1 \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.18-25.0.0.jar \
    mysql-sync-database \
    --database testwd \
    --mysql-conf hostname=xxx.ap-southeast-1.rds.amazonaws.com \
    --mysql-conf port=3306 \
    --mysql-conf username=admin \
    --mysql-conf password=123456 \
    --mysql-conf database-name=test \
    --mysql-conf server-time-zone=UTC \
    --including-tables "student" \
    --sink-conf fenodes=127.0.0.1:8030 \
    --sink-conf username=root \
    --sink-conf password= \
    --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
    --sink-conf sink.label-prefix=label \
    --table-conf replication_num=1 

使用手順

パラメータ設定

一般設定項目

Key	デフォルト値	必須	コメント
fenodes	--	Y	Doris FE httpアドレス。複数のアドレスをサポートし、カンマで区切る必要があります。
benodes	--	N	Doris BE httpアドレス。複数のアドレスをサポートし、カンマで区切る必要があります。
jdbc-url	--	N	JDBC接続情報、例：jdbc:mysql://127.0.0.1:9030。
table.identifier	--	Y	Dorisテーブル名、例：db.tbl。
username	--	Y	Dorisアクセス用ユーザー名。
password	--	Y	Dorisアクセス用パスワード。
auto-redirect	TRUE	N	StreamLoadリクエストをリダイレクトするかどうか。有効にした後、StreamLoadはFE経由で書き込まれ、BE情報を明示的に取得しなくなります。
doris.request.retries	3	N	Dorisへのリクエスト送信のリトライ回数。
doris.request.connect.timeout	30s	N	Dorisへのリクエスト送信時の接続タイムアウト。
doris.request.read.timeout	30s	N	Dorisへのリクエスト送信時の読み取りタイムアウト。

Source設定

Key	デフォルト値	必須	コメント
doris.request.query.timeout	21600s	N	Dorisクエリのタイムアウト。デフォルト値は6時間です。
doris.request.tablet.size	1	N	1つのPartitionに対応するDoris Tabletsの数。この値を小さく設定すると、より多くのPartitionが生成され、Flink側の並列度を向上できますが、Dorisにより多くの負荷をかけることになります。
doris.batch.size	4064	N	BEから一度に読み取る最大行数。この値を増やすことで、FlinkとDoris間の接続数を減らし、ネットワーク遅延による追加時間オーバーヘッドを削減できます。
doris.exec.mem.limit	8192mb	N	単一クエリのメモリ制限。デフォルトは8GB、単位はバイト。
source.use-flight-sql	FALSE	N	読み取りにArrow Flight SQLを使用するかどうか。
source.flight-sql-port	-	N	Arrow Flight SQLを使用して読み取る際のFEのarrow_flight_sql_port。

DataStream固有の設定

Key	デフォルト値	必須	コメント
doris.read.field	--	N	Dorisテーブル読み取り用のカラム名リスト。複数のカラムはカンマで区切る必要があります。
doris.filter.query	--	N	読み取りデータをフィルタリングするための式。この式はDorisに渡され、Dorisがソースデータフィルタリングを完了するために使用します。例：age=18。

Sink設定

Key	デフォルト値	必須	コメント
sink.label-prefix	--	Y	Stream loadインポートに使用されるラベルプレフィックス。2pcシナリオでは、FlinkのEOSセマンティクスを保証するためにグローバルに一意である必要があります。
sink.properties.*	--	N	Stream Loadのインポートパラメータ。例：'sink.properties.column_separator' = ', 'はカラム区切り文字を定義し、'sink.properties.escape_delimiters' = 'true'は区切り文字としての\x01のような特殊文字がバイナリ0x01に変換されることを意味します。JSON形式のインポートには、'sink.properties.format' = 'json'、'sink.properties.read_json_by_line' = 'true'。詳細なパラメータについては、こちらを参照してください。Group Commitモードでは、例：'sink.properties.group_commit' = 'sync_mode'でgroup commitを同期モードに設定します。Flinkコネクタはバージョン1.6.2からインポート設定group commitをサポートしています。詳細な使用法と制限については、group commitを参照してください。
sink.enable-delete	TRUE	N	削除を有効にするかどうか。このオプションは、Dorisテーブルでバッチ削除機能が有効になっている必要があり（Doris 0.15+バージョンではデフォルトで有効）、Uniqueモデルのみをサポートします。
sink.enable-2pc	TRUE	N	二相コミット（2pc）を有効にするかどうか。デフォルトはtrue、Exactly-Onceセマンティクスを保証します。二相コミットの詳細については、こちらを参照してください。
sink.buffer-size	1MB	N	書き込みデータキャッシュバッファのサイズ、単位はバイト。変更は推奨されず、デフォルト設定を使用できます。
sink.buffer-count	3	N	書き込みデータキャッシュバッファの数。変更は推奨されず、デフォルト設定を使用できます。
sink.max-retries	3	N	Commit失敗後の最大リトライ回数。デフォルトは3回。
sink.enable.batch-mode	FALSE	N	DorisへのバッチモードでのWriteを使用するかどうか。有効にした後、書き込みタイミングはCheckpointに依存せず、sink.buffer-flush.max-rows、sink.buffer-flush.max-bytes、sink.buffer-flush.intervalなどのパラメータによって制御されます。また、有効にした後、Exactly-onceセマンティクスは保証されませんが、Uniqモデルの助けを借りて冪等性を実現できます。
sink.flush.queue-size	2	N	バッチモードでのキャッシュキューのサイズ。
sink.buffer-flush.max-rows	500000	N	バッチモードでの単一バッチで書き込まれる最大行数。
sink.buffer-flush.max-bytes	100MB	N	バッチモードでの単一バッチで書き込まれる最大バイト数。
sink.buffer-flush.interval	10s	N	バッチモードでのキャッシュの非同期フラッシュ間隔。
sink.ignore.update-before	TRUE	N	update-beforeイベントを無視するかどうか。デフォルトでは無視されます。

Lookup Join設定

Key	デフォルト値	必須	コメント
lookup.cache.max-rows	-1	N	lookupキャッシュの最大行数。デフォルト値は-1で、キャッシュが有効になっていないことを意味します。
lookup.cache.ttl	10s	N	lookupキャッシュの最大時間。デフォルトは10秒。
lookup.max-retries	1	N	lookupクエリ失敗後のリトライ回数。
lookup.jdbc.async	FALSE	N	非同期lookupを有効にするかどうか。デフォルトはfalse。
lookup.jdbc.read.batch.size	128	N	非同期lookupでの各クエリの最大バッチサイズ。
lookup.jdbc.read.batch.queue-size	256	N	非同期lookup中の中間バッファキューのサイズ。
lookup.jdbc.read.thread-size	3	N	各タスクでのlookup用jdbcスレッド数。

全データベース同期設定

構文

<FLINK_HOME>bin/flink run \
    -c org.apache.doris.flink.tools.cdc.CdcTools \
    lib/flink-doris-connector-1.16-1.6.1.jar \
    <mysql-sync-database|oracle-sync-database|postgres-sync-database|sqlserver-sync-database|mongodb-sync-database> \
    --database <doris-database-name> \
    [--job-name <flink-job-name>] \
    [--table-prefix <doris-table-prefix>] \
    [--table-suffix <doris-table-suffix>] \
    [--including-tables <mysql-table-name|name-regular-expr>] \
    [--excluding-tables <mysql-table-name|name-regular-expr>] \
    --mysql-conf <mysql-cdc-source-conf> [--mysql-conf <mysql-cdc-source-conf> ...] \
    --oracle-conf <oracle-cdc-source-conf> [--oracle-conf <oracle-cdc-source-conf> ...] \
    --postgres-conf <postgres-cdc-source-conf> [--postgres-conf <postgres-cdc-source-conf> ...] \
    --sqlserver-conf <sqlserver-cdc-source-conf> [--sqlserver-conf <sqlserver-cdc-source-conf> ...] \
    --sink-conf <doris-sink-conf> [--table-conf <doris-sink-conf> ...] \
    [--table-conf <doris-table-conf> [--table-conf <doris-table-conf> ...]]

設定

Key	Comment
--job-name	Flinkタスクの名前（オプション）。
--database	Dorisに同期するデータベースの名前。
--table-prefix	Dorisテーブルのプレフィックス名。例：--table-prefix ods_。
--table-suffix	Dorisテーブルのサフィックス名。プレフィックスと同様。
--including-tables	同期が必要なMySQLテーブル。複数のテーブルは\|で区切ることができ、正規表現がサポートされている。例：--including-tables table1。
--excluding-tables	同期が不要なテーブル。使用方法は--including-tablesと同じ。
--mysql-conf	MySQL CDCSourceの設定。例：--mysql-conf hostname=127.0.0.1。MySQL-CDCのすべての設定はこちらで確認できる。その中で、hostname、username、password、database-nameは必須。同期するデータベースとテーブルに主キーがないテーブルが含まれる場合、scan.incremental.snapshot.chunk.key-columnを設定する必要があり、非NULL型のフィールドを1つだけ選択できる。例：scan.incremental.snapshot.chunk.key-column=database.table:column,database.table1:column...、異なるデータベースとテーブルの列はカンマで区切る。
--oracle-conf	Oracle CDCSourceの設定。例：--oracle-conf hostname=127.0.0.1。Oracle-CDCのすべての設定はこちらで確認できる。その中で、hostname、username、password、database-name、schema-nameは必須。
--postgres-conf	Postgres CDCSourceの設定。例：--postgres-conf hostname=127.0.0.1。Postgres-CDCのすべての設定はこちらで確認できる。その中で、hostname、username、password、database-name、schema-name、slot.nameは必須。
--sqlserver-conf	SQLServer CDCSourceの設定。例：--sqlserver-conf hostname=127.0.0.1。SQLServer-CDCのすべての設定はこちらで確認できる。その中で、hostname、username、password、database-name、schema-nameは必須。
--db2-conf	SQLServer CDCSourceの設定。例：--db2-conf hostname=127.0.0.1。DB2-CDCのすべての設定はこちらで確認できる。その中で、hostname、username、password、database-name、schema-nameは必須。
--mongodb-conf	MongoDB CDCSourceの設定。例：--mongodb-conf hosts=127.0.0.1:27017。Mongo-CDCのすべての設定はこちらで確認できる。その中で、hosts、username、password、databaseは必須。--mongodb-conf schema.sample-percentは、Dorisでテーブルを作成するためにMongoDBデータを自動サンプリングする設定で、デフォルト値は0.2。
--sink-conf	Doris Sinkのすべての設定はこちらで確認できる。
--table-conf	Dorisテーブルの設定項目、すなわちpropertiesに含まれる内容（table-bucketsを除く。これはpropertiesの属性ではない）。例：--table-conf replication_num=1、--table-conf table-buckets="tbl1:10,tbl2:20,a.:30,b.:40,.*:50"は、正規表現の順序で異なるテーブルのバケット数を指定することを意味する。マッチしない場合は、BUCKETS AUTOメソッドでテーブルが作成される。
--schema-change-mode	スキーマ変更を解析するモード。debezium_structureとsql_parserが含まれる。デフォルトでdebezium_structureモードが使用される。debezium_structureモードは、上流CDCがデータを同期する際に使用されるデータ構造を解析し、この構造を解析してDDL変更操作を判断する。sql_parserモードは、上流CDCがデータを同期する際のDDL文を解析してDDL変更操作を判断するため、この解析モードはより正確。使用例：--schema-change-mode debezium_structure。この機能は24.0.0以降のバージョンで利用可能。
--single-sink	単一のSinkを使用してすべてのテーブルを同期するかどうか。有効にすると、上流で新しく作成されたテーブルも自動的に識別し、テーブルを自動作成できる。
--multi-to-one-origin	複数の上流テーブルを同じテーブルに書き込む際のソーステーブルの設定。例：--multi-to-one-origin "a_.\|b_."、#208を参照。
--multi-to-one-target	multi-to-one-originと組み合わせて使用する、ターゲットテーブルの設定。例：--multi-to-one-target "a\|b"。
--create-table-only	テーブルの構造のみを同期するかどうか。

DorisからFlinkへのデータ型マッピング

Doris Type	Flink Type
NULL_TYPE	NULL
BOOLEAN	BOOLEAN
TINYINT	TINYINT
SMALLINT	SMALLINT
INT	INT
BIGINT	BIGINT
FLOAT	FLOAT
DOUBLE	DOUBLE
DATE	DATE
DATETIME	TIMESTAMP
DECIMAL	DECIMAL
CHAR	STRING
LARGEINT	STRING
VARCHAR	STRING
STRING	STRING
DECIMALV2	DECIMAL
ARRAY	ARRAY
MAP	STRING
JSON	STRING
VARIANT	STRING
IPV4	STRING
IPV6	STRING

FlinkからDorisへのデータ型マッピング

Flink Type	Doris Type
BOOLEAN	BOOLEAN
TINYINT	TINYINT
SMALLINT	SMALLINT
INTEGER	INTEGER
BIGINT	BIGINT
FLOAT	FLOAT
DOUBLE	DOUBLE
DECIMAL	DECIMAL
CHAR	CHAR
VARCHAR	VARCHAR/STRING
STRING	STRING
DATE	DATE
TIMESTAMP	DATETIME
TIMESTAMP_LTZ	DATETIME
ARRAY	ARRAY
MAP	MAP/JSON
ROW	STRUCT/JSON

監視メトリクス

Flinkは、Flinkクラスターの指標を監視するための複数のMetricsを提供する。以下は、Flink Doris Connectorの新しく追加された監視メトリクス。

Name	Metric Type	Description
totalFlushLoadBytes	Counter	フラッシュおよびインポートされた総バイト数。
flushTotalNumberRows	Counter	インポートおよび処理された総行数。
totalFlushLoadedRows	Counter	正常にインポートされた総行数。
totalFlushTimeMs	Counter	正常なインポートの完了にかかった総時間。
totalFlushSucceededNumber	Counter	インポートが正常に完了した回数。
totalFlushFailedNumber	Counter	インポートが失敗した回数。
totalFlushFilteredRows	Counter	データ品質が不適格な総行数。
totalFlushUnselectedRows	Counter	where条件によってフィルタリングされた総行数。
beginTxnTimeMs	Histogram	Feにトランザクション開始を要求する時間（ミリ秒）。
putDataTimeMs	Histogram	Feにインポートデータ実行計画の取得を要求する時間。
readDataTimeMs	Histogram	データの読み取りにかかった時間。
writeDataTimeMs	Histogram	データ書き込み操作の実行にかかった時間。
commitAndPublishTimeMs	Histogram	Feにトランザクションのコミットおよびパブリッシュを要求する時間。
loadTimeMs	Histogram	インポートの完了にかかった時間。

ベストプラクティス

FlinkSQLがCDC経由でMySQLデータに高速接続

-- enable checkpoint
SET 'execution.checkpointing.interval' = '10s';

CREATE TABLE cdc_mysql_source (
  id int
  ,name VARCHAR
  ,PRIMARY KEY (id) NOT ENFORCED
) WITH (
 'connector' = 'mysql-cdc',
 'hostname' = '127.0.0.1',
 'port' = '3306',
 'username' = 'root',
 'password' = 'password',
 'database-name' = 'database',
 'table-name' = 'table'
);

-- Supports synchronizing insert/update/delete events
CREATE TABLE doris_sink (
id INT,
name STRING
) 
WITH (
  'connector' = 'doris',
  'fenodes' = '127.0.0.1:8030',
  'table.identifier' = 'database.table',
  'username' = 'root',
  'password' = '',
  'sink.properties.format' = 'json',
  'sink.properties.read_json_by_line' = 'true',
  'sink.enable-delete' = 'true',  -- Synchronize delete events
  'sink.label-prefix' = 'doris_label'
);

insert into doris_sink select id,name from cdc_mysql_source;

Flinkは部分的な列更新を実行する

CREATE TABLE doris_sink (
    id INT,
    name STRING,
    bank STRING,
    age int
) 
WITH (
  'connector' = 'doris',
  'fenodes' = '127.0.0.1:8030',
  'table.identifier' = 'database.table',
  'username' = 'root',
  'password' = '',
  'sink.properties.format' = 'json',
  'sink.properties.read_json_by_line' = 'true',
  'sink.properties.columns' = 'id,name,bank,age', -- Columns that need to be updated
  'sink.properties.partial_columns' = 'true' -- Enable partial column updates
);

Flink Bitmap データのインポート

CREATE TABLE bitmap_sink (
dt int,
page string,
user_id int 
)
WITH (
  'connector' = 'doris',
  'fenodes' = '127.0.0.1:8030',
  'table.identifier' = 'test.bitmap_test',
  'username' = 'root',
  'password' = '',
  'sink.label-prefix' = 'doris_label',
  'sink.properties.columns' = 'dt,page,user_id,user_id=to_bitmap(user_id)'
)

FlinkCDC キー列の更新

一般的に、ビジネスデータベースでは、テーブルの主キーとして番号がよく使用されます。例えば、Studentテーブルでは、番号（id）が主キーとして使用されます。しかし、ビジネスの発展に伴い、データに対応する番号が変更される場合があります。このシナリオでは、Flink CDC + Doris Connectorを使用してデータを同期する際、Dorisの主キー列のデータを自動的に更新できます。

原理

Flink CDCの基盤となる収集ツールはDebeziumです。Debeziumは内部的にopフィールドを使用して対応する操作を識別します。opフィールドの値は、c、u、d、rで、それぞれcreate、update、delete、readに対応します。主キー列の更新について、Flink CDCはDELETEとINSERTイベントを下流に送信し、データがDorisに同期された後、Dorisの主キー列のデータが自動的に更新されます。

使用法

FlinkプログラムはCDC同期の例を参考にできます。タスクの送信が成功した後、MySQL側で主キー列を更新するステートメント（例：update student set id = '1002' where id = '1001'）を実行すると、Doris内のデータを変更できます。

Flink 指定列に基づくデータ削除

一般的に、Kafkaのメッセージは操作タイプをマークするために特定のフィールドを使用します。例えば、{"op_type":"delete",data:{...}}のようなものです。このようなデータに対して、op_type=deleteのデータを削除することが期待されます。

DorisSinkはデフォルトで、RowKindに基づいてイベントのタイプを区別します。通常、CDCの場合、イベントタイプを直接取得でき、隠し列__DORIS_DELETE_SIGN__に値を割り当てることで削除の目的を達成できます。しかし、Kafkaの場合は、ビジネスロジックに基づいて判断し、隠し列の値を明示的に渡す必要があります。

-- For example, the upstream data:{"op_type":"delete",data:{"id":1,"name":"zhangsan"}}
CREATE TABLE KAFKA_SOURCE(
  data STRING,
  op_type STRING
) WITH (
  'connector' = 'kafka',
  ...
);

CREATE TABLE DORIS_SINK(
  id INT,
  name STRING,
  __DORIS_DELETE_SIGN__ INT
) WITH (
  'connector' = 'doris',
  'fenodes' = '127.0.0.1:8030',
  'table.identifier' = 'db.table',
  'username' = 'root',
  'password' = '',
  'sink.enable-delete' = 'false',        -- false means not to obtain the event type from RowKind
  'sink.properties.columns' = 'id, name, __DORIS_DELETE_SIGN__'  -- Explicitly specify the import columns of streamload
);

INSERT INTO DORIS_SINK
SELECT json_value(data,'$.id') as id,
json_value(data,'$.name') as name, 
if(op_type='delete',1,0) as __DORIS_DELETE_SIGN__ 
from KAFKA_SOURCE;

Flink CDC DDL文の同期

一般的に、MySQLなどの上流データソースを同期する際、上流でフィールドを追加または削除した場合、DorisでSchema Change操作を同期する必要があります。

このシナリオでは、通常DataStream APIのプログラムを書き、DorisSinkが提供するJsonDebeziumSchemaSerializerシリアライザーを使用してSchemaChangeを自動的に実行する必要があります。詳細については、CDCSchemaChangeExample.javaを参照してください

Connectorが提供する全データベース同期ツールでは、追加の設定は必要なく、上流のDDLが自動的に同期され、DorisでSchemaChange操作が実行されます。

よくある質問（FAQ）

errCode = 2, detailMessage = Label [label_0_1] has already been used, relate to txn [19650]

Exactly-Onceシナリオでは、Flink Jobは最新のCheckpoint/Savepointから再起動する必要があります。そうでなければ上記のエラーが報告されます。Exactly-Onceが不要な場合、この問題は2PC送信を無効にする（sink.enable-2pc=false）か、異なるsink.label-prefixに変更することでも解決できます。
errCode = 2, detailMessage = transaction [19650] not found

これはCommit段階で発生します。checkpointに記録されたトランザクションIDがFE側で期限切れになっています。この時点で再度コミットすると、上記のエラーが発生します。この時点では、checkpointから開始することは不可能です。その後、fe.confのstreaming_label_keep_max_second設定を変更して有効期限を延長できます。デフォルトの有効期限は12時間です。dorisバージョン2.0以降では、fe.confのlabel_num_threshold設定（デフォルト2000）によっても制限され、これを増やすか-1に変更できます（-1は時間のみで制限されることを意味します）。
errCode = 2, detailMessage = current running txns on db 10006 is 100, larger than limit 100

これは同一データベースへの並行インポートが100を超えているためです。fe.confのパラメータmax_running_txn_num_per_dbを調整することで解決できます。詳細については、max_running_txn_num_per_dbを参照してください。

同時に、labelの頻繁な変更とタスクの再起動もこのエラーにつながる可能性があります。2pcシナリオ（Duplicate/Aggregateモデルの場合）では、各タスクのlabelは一意である必要があります。そしてcheckpointから再起動する際、Flinkタスクはプリコミットに成功したがまだコミットされていないトランザクションを積極的にabortします。頻繁なlabel変更と再起動により、abortできない大量のプリコミット成功トランザクションが発生し、トランザクションを占有します。Uniqueモデルでは、2pcを無効にしてべき等書き込みを実現することもできます。
tablet writer write failed, tablet_id=190958, txn_id=3505530, err=-235

これは通常Connectorバージョン1.1.0以前で発生し、書き込み頻度が高すぎることでバージョン数が過多になることが原因です。sink.batch.sizeとsink.batch.intervalパラメータを設定してStreamloadの頻度を下げることができます。Connectorバージョン1.1.0以降では、デフォルトの書き込みタイミングはCheckpointによって制御され、Checkpoint間隔を長くすることで書き込み頻度を下げることができます。
Flinkインポート時にダーティデータをスキップする方法は？

Flinkがデータをインポートする際、フィールド形式や長さの問題などのダーティデータがあると、StreamLoadがエラーを報告します。この時、Flinkは再試行を続けます。このようなデータをスキップする必要がある場合は、StreamLoadのstrictモードを無効にする（strict_mode=falseとmax_filter_ratio=1を設定）か、Sink演算子の前でデータをフィルタリングできます。
FlinkマシンとBEマシン間のネットワークが接続されていない場合の設定方法は？

FlinkがDorisへの書き込みを開始する際、DorisはBEに書き込み操作をリダイレクトします。この時、返されるアドレスはBEの内部ネットワークIPで、これはshow backendsコマンドで確認できるIPです。この時FlinkとDorisがネットワーク接続を持たない場合、エラーが報告されます。この場合、benodesでBEの外部ネットワークIPを設定できます。
stream load error: HTTP/1.1 307 Temporary Redirect

Flinkは最初にFEにリクエストし、307を受信した後、リダイレクト後にBEにリクエストします。FEがFullGC/高負荷/ネットワーク遅延状態にある場合、HttpClientはデフォルトで一定期間（3秒）内にレスポンスを待たずにデータを送信します。リクエストボディはデフォルトでInputStreamであるため、307レスポンスを受信した際、データを再生できずに直接エラーが報告されます。この問題を解決する方法は3つあります：1. Connector25.1.0以上にアップグレードしてデフォルト時間を延長する；2. auto-redirect=falseに変更してBEに直接リクエストを開始する（一部のクラウドシナリオには適用不可）；3. unique keyモデルでbatchモードを有効にする。

バージョン説明​

使用方法​

Jar​

Maven​

動作原理​

Dorisからのデータ読み取り​

Dorisへのデータ書き込み​

クイックスタート​

準備​

Flinkクラスターのデプロイ​

Dorisテーブルの初期化​

FlinkSQLタスクの実行​

クエリデータ​

シナリオと操作​

Dorisからのデータ読み取り​

FlinkSQLを使用したデータ読み取り​

Thrift方式​

ArrowFlightSQL​

DataStream APIを使用したデータの読み取り​

DorisへのデータWriting​

FlinkSQLを使用したデータWriting​

DataStream APIを使用したデータの書き込み​

標準文字列形式​

RowData形式​

Debezium Format​

マルチテーブル書き込みフォーマット​

Lookup Join​

フルデータベース同期​

MySQLフルデータベース同期​

Oracle データベース全体同期​

PostgreSQL データベース全体の同期​

SQLServer データベース全体同期​

DB2 全データベース同期​

MongoDB データベース全体同期​

AWS Aurora MySQL データベース全体同期​

AWS RDS MySQL データベース全体同期​

使用手順​

パラメータ設定​

一般設定項目​

Source設定​

Sink設定​

Lookup Join設定​

全データベース同期設定​

DorisからFlinkへのデータ型マッピング​

FlinkからDorisへのデータ型マッピング​

監視メトリクス​

ベストプラクティス​

FlinkSQLがCDC経由でMySQLデータに高速接続​

Flinkは部分的な列更新を実行する​

Flink Bitmap データのインポート​

FlinkCDC キー列の更新​

Flink 指定列に基づくデータ削除​

Flink CDC DDL文の同期​

よくある質問（FAQ）​

バージョン説明

使用方法

Jar

Maven

動作原理

Dorisからのデータ読み取り

Dorisへのデータ書き込み

クイックスタート

準備

Flinkクラスターのデプロイ

Dorisテーブルの初期化

FlinkSQLタスクの実行

クエリデータ

シナリオと操作

Dorisからのデータ読み取り

FlinkSQLを使用したデータ読み取り

Thrift方式

ArrowFlightSQL

DataStream APIを使用したデータの読み取り

DorisへのデータWriting

FlinkSQLを使用したデータWriting

DataStream APIを使用したデータの書き込み

標準文字列形式

RowData形式

Debezium Format

マルチテーブル書き込みフォーマット

Lookup Join

フルデータベース同期

MySQLフルデータベース同期

Oracle データベース全体同期

PostgreSQL データベース全体の同期

SQLServer データベース全体同期

DB2 全データベース同期

MongoDB データベース全体同期

AWS Aurora MySQL データベース全体同期

AWS RDS MySQL データベース全体同期

使用手順

パラメータ設定

一般設定項目

Source設定

Sink設定

Lookup Join設定

全データベース同期設定

DorisからFlinkへのデータ型マッピング

FlinkからDorisへのデータ型マッピング

監視メトリクス

ベストプラクティス

FlinkSQLがCDC経由でMySQLデータに高速接続

Flinkは部分的な列更新を実行する

Flink Bitmap データのインポート

FlinkCDC キー列の更新

Flink 指定列に基づくデータ削除

Flink CDC DDL文の同期

よくある質問（FAQ）