黑水滴

摘要： 一、Amoro介绍 2024 年 3 月 11 日，Amoro 项目顺利通过投票，正式进入 Apache 软件基金会（ASF，Apache Software Foundation）的孵化器，成为 ASF 的一个孵化项目。 Amoro 是建立在开放数据湖表格式之上的湖仓管理系统。2020 年开始， 网 阅读全文

摘要： 一、背景 用户查询iceberg表时报文件为空，因为存在写入和治理程序同时操作iceberg表，需要查看空文件是哪个快照产生的，方便确定是flink写入缺陷还是spark治理缺陷 二、通过Sql查询文件所属哪个快照（推荐查询方式） 查询表的文件信息，根据data_file列信息筛选是哪个快照写入，s 阅读全文

摘要： 一、背景 微批治理任务分多个job治理一张表，还有一个Flink程序每5分钟一次写入iceberg表，如治理任务划分了20个job治理一张表，在治理期间存在新的数据更新，如何保证治理准确性 二、治理时写入，快照对应信息 1、治理和写入时快照和文件变化 snapshot_id sequence num 阅读全文

摘要： 一、问题描述 在iceberg rewrite时报错：org.apache.iceberg.exceptions.ValidationException: Cannot commit, found new delete for replaced data file 看信息像是对于要删除的DataFi 阅读全文

摘要： 一、本地ssh配置 1、本地没有.ssh目录，第一次初始化ssh，一直回车键默认值 ssh-keygen -t rsa -P '' 2、设置目录权限 chmod 700 -R .ssh 设置目录权限 3、公钥追加到本机 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authoriz 阅读全文

摘要： 一、背景 来源于埋点上报服务，埋点上报服务是用户打开APP后点击、浏览、曝光等数据都会上报到埋点服务，收集数据后用来公司运营。 本次踩坑来源于监控到上课高峰期net.sockets.tcp.timewait达到系统设置的最大值5000，为了降低高峰期timewait数量，参考网上介绍可以调整三个参数 阅读全文

摘要： 一、问题描述 用户配置了高级参数很多，观察kafka增量数据不多，flink负载不高情况下两个checkpoint后才可查询到数据。 排查时hdfs有数据文件产生，但是mainfast文件中最新快照id没变化。 二、原因 经腾讯排查，用户参数指定高级参数execution.checkpointing 阅读全文

摘要： 一、flink到logger 1、source create table source_table ( id bigint comment '唯一编号' ,order_number bigint comment '订单编号' ,update_timestamp timestamp_ltz metad 阅读全文

摘要： 一、如何做一致性保障 1、全量数据分片读取，增量数据单并发读取，保证增量阶段不会乱序2、全量阶段写入失败会清空表后重新写入，避免重复数据。3、全量阶段多task并行读取，把每个task开始结束时间提交给Flink Coordinator，由Coordinator做时间合并后，仅读取一次全量同步区间内 阅读全文

摘要： 一、日志 1、hivemetastore日志 简介：查看运行情况，其它组件会通过hivemetastore获取表信息 tail -f /data/emr/hive/logs/hadoop-hivemetastore 二、连接 1、登录hive客户端（指定hivemetastore地址） hive - 阅读全文