那你之前的分区除了in-progress文件，有已完成的文件吗？ On Wed, Aug 12, 2020 at 1:57 PM kandy.wang <kandy1...@163.com> wrote:
> > > > source就是kafka > json格式，是exactly-once，按照process-time处理就已经写完了呢。起来的时候，process-time已经属于新的分区了，很正常。但以前的老分区状态还没提交呢。 > > > > > > > in-progress还在，就证明了这个分区的数据还没写完，理论上源头数据需要回退消费，那为什么你重启后作业不会再写这个分区了呢？ > > > > in-progress还在，就证明了这个分区的数据还没写完，理论上源头数据需要回退消费，那为什么你重启后作业不会再写这个分区了呢？ > > 在 2020-08-12 13:28:01，"Jingsong Li" <jingsongl...@gmail.com> 写道： > >你的source是exactly-once的source吗？ > > > >in-progress还在，就证明了这个分区的数据还没写完，理论上源头数据需要回退消费，那为什么你重启后作业不会再写这个分区了呢？ > > > >On Wed, Aug 12, 2020 at 12:51 PM kandy.wang <kandy1...@163.com> wrote: > > > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> > >> >@ Jingsong > >> > >> >导致的影响是停止前的那个分区，分区没有提交， 当程序起来之后，写的分区和之前分区不是同一个分区，没有_SUCCESS文件标记。 > >> 用presto查询查不了 > >> 举例：12：35分钟应当写的是 12：35 00秒 -12：39分 59秒 之间的数据， > >> 'sink.partition-commit.trigger'='process-time', > >> 'sink.partition-commit.delay'='0 min', > >> 'sink.partition-commit.policy.kind'='metastore,success-file,custom', > >> 'sink.rolling-policy.check-interval'='30s', > >> 'sink.rolling-policy.rollover-interval'='10min', > >> 'sink.rolling-policy.file-size'='128MB' > >> 如果是12：39分 05秒左右做一次savepoint，然后 > >> 12：41分程序重启后，发现之前的12：35分区不再写入，里面的in-progress文件还在，但是分区没有提交，没有往hive add > >> partition，就导致有数据，但是确查不 了。 > >> > 按照你说的，in-progress文件对没影响，但是影响了分区提交。就没地方触发之前12：35分区提交逻辑了。相当于丢了一个分区。这种情况我试了一下，手动add > >> partition 也能查了。 > >> > > >> > > >> > > >> >在 2020-08-12 12:11:53，"Jingsong Li" <jingsongl...@gmail.com> 写道： > >> >>in-progress文件带来了什么具体问题吗？它们是多余的文件，对流程没有影响 > >> >> > >> >>On Wed, Aug 12, 2020 at 11:05 AM Jark Wu <imj...@gmail.com> wrote: > >> >> > >> >>> 与我所知，(2) & (3) 有希望能在 1.12 中支持。 > >> >>> > >> >>> On Tue, 11 Aug 2020 at 21:15, kandy.wang <kandy1...@163.com> wrote: > >> >>> > >> >>> > 1.StreamingFileWriter > 测试下来目前发现，sql方式提交任务，不能从checkpoint、savepoint恢复。 > >> >>> > 举例：5min产生一个分区，数据按照process_time来落，hm= 2100 的分区， 在 > >> >>> > 21：04分左右的时候做一次checkpoint 或savepoint，重启任务的时候，hm > >> >>> > =2100分区的数据还存在很多的in-progress文件。 > >> >>> > 另外，目前在hdfs目录下没看到pending文件，想了解一下这文件状态是如何转换的，跟之前的bucketsink好像实现不太一样。 > >> >>> > > >> >>> > > >> >>> > 2. sql-client不支持 checkpoint savepoint恢复的问题，何时可以支持 > >> >>> > > >> >>> > > >> >>> > 3.sql-client 提交任务，不支持StatementSet批量提交，何时可以支持 > >> >>> > >> >> > >> >> > >> >>-- > >> >>Best, Jingsong Lee > >> > > > > > >-- > >Best, Jingsong Lee > -- Best, Jingsong Lee
