1、升级到1.13
2、能不能追上要看写入量到底有多大，以及下游的处理能力啊，就是mysql自己的主从复制也不一定能确保追上，实践就知道了。
3、可以设置一下default.parallism试试，如果发现被chain到一起了，可以把operator chain关掉试试。
在 2021-06-11 18:57:36，"casel.chen" <casel_c...@126.com> 写道：
>我的场景就是简单的数据同步，没有join也没有group by，从一个mysql库同步到另一个mysql库。
>上游写入数据速度很快，如果用flink sql同步的话默认只有一个并行度写，速度会跟不上，这种情况要怎么处理？
>用的是flink 1.12.1 其jdbc connector还不支持sink.parallism参数
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>在 2021-06-11 16:32:00，"东东" <dongdongking...@163.com> 写道：
>>
>>
>>
>>他这里列举的case是sink前发生了基于非pk的shuffle，比如说有join而且join条件不是主键，你的场景是怎样的呢？
>>
>>
>>
>>
>>另外，https://issues.apache.org/jira/browse/FLINK-20374 是sink到es，但es
>>connector并不支持指定sink.parallelism，也就是说sink端的并行度必然为上游的并行度。而jdbc
>>connector是可以指定sink.parallelism的，只要与上游的并行度不一致，runtime就会根据pk做hash
>>shuffle，确保相同pk的记录发到同一个sink task。
>>
>>
>>在 2021-06-11 15:57:29，"casel.chen" <casel_c...@126.com> 写道：
>>>引用 Leonard Xu大佬之前的回答：
>>>
>>>> flink 1.13的jdbc connector新增 sink.parallism
>>>> 参数，问题是如果增大并行度的话能否确保同一个主键记录发到同一个sink task呢？SQL正确的写法是什么？
>>>
>>>这个不仅在同步场景，在其他场景也需要注意
>>>sink.parallism这个参数的使用，目前框架没有保证同一个pk的记录发送到同一个task，需要用户自己保证 sink 上定义的pk
>>>和上游数据shuffle的key（比如 group key， join key）保持一致，
>>>否则可能导致数据乱序。 这个社区也在从 plan 推导上并解决，可以参考
>>>https://issues.apache.org/jira/browse/FLINK-20374
>>><https://issues.apache.org/jira/browse/FLINK-20374>
>>>https://issues.apache.org/jira/browse/FLINK-22901
>>><https://issues.apache.org/jira/browse/FLINK-22901>
>>>
>>>说明加 sink.parallelism 是不行的
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>
>>>在 2021-06-11 15:44:51，"JasonLee" <17610775...@163.com> 写道：
>>>>hi
>>>>
>>>>sink 端可以通过 sink.parallelism 进行设置.
>>>>
>>>>
>>>>
>>>>-----
>>>>Best Wishes
>>>>JasonLee
>>>>--
>>>>Sent from: http://apache-flink.147419.n8.nabble.com/
