好的，我试一下。谢谢 Best
Jark Wu <imj...@gmail.com> 于2020年11月23日周一 下午2:06写道： > 那是不是用非窗口聚合，开5s mini batch，是不是可以达到你的需求？ > > Best, > Jark > > On Mon, 23 Nov 2020 at 13:16, jy l <ljy94...@gmail.com> wrote: > > > 使用场景就是我们想用Flink 根据订单系统中的订单表，每5s钟计算一次总的交易金额。 > > 目前我们的系统大致架构是mysql(debezium)---->kafka--->flink---->es > > > > Jark Wu <imj...@gmail.com> 于2020年11月23日周一 上午10:35写道： > > > > > Flink SQL 的 window agg 目前不支持输入含有更新和删除消息。 > > > 你可以使用非 window 聚合来代替。 > > > > > > Btw，你可能说一下你的需求场景么？ 为什么需要在 CDC 上做 window 操作呢？ > > > > > > Best, > > > Jark > > > > > > On Mon, 23 Nov 2020 at 10:28, jy l <ljy94...@gmail.com> wrote: > > > > > > > Hi： > > > > 我使用CDC组件debezium将MySQL中的维表数据实时发送到kafka，然后使用flinkSQL消费kafka的数据，具体流程如下： > > > > [image: image.png] > > > > [image: image.png] > > > > 分组计算的SQL如下： > > > > [image: image.png] > > > > 在执行计算时，报了如下异常： > > > > Exception in thread "main" org.apache.flink.table.api.TableException: > > > > GroupWindowAggregate doesn't support consuming update and delete > > changes > > > > which is produced by node TableSourceScan(table=[[default_catalog, > > > > default_database, t_order, > > watermark=[-(TO_TIMESTAMP(FROM_UNIXTIME(/($1, > > > > 1000))), 3000:INTERVAL SECOND)]]], fields=[id, timestamps, > > > > orderInformationId, userId, categoryId, productId, price, > productCount, > > > > priceSum, shipAddress, receiverAddress]) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.createNewNode(FlinkChangelogModeInferenceProgram.scala:380) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.visit(FlinkChangelogModeInferenceProgram.scala:298) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.visitChild(FlinkChangelogModeInferenceProgram.scala:337) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.$anonfun$visitChildren$1(FlinkChangelogModeInferenceProgram.scala:326) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.$anonfun$visitChildren$1$adapted(FlinkChangelogModeInferenceProgram.scala:325) > > > > at > > > > > > > > > > scala.collection.TraversableLike.$anonfun$map$1(TraversableLike.scala:233) > > > > at scala.collection.immutable.Range.foreach(Range.scala:155) > > > > at scala.collection.TraversableLike.map(TraversableLike.scala:233) > > > > at scala.collection.TraversableLike.map$(TraversableLike.scala:226) > > > > at scala.collection.AbstractTraversable.map(Traversable.scala:104) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.visitChildren(FlinkChangelogModeInferenceProgram.scala:325) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.visit(FlinkChangelogModeInferenceProgram.scala:275) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.visitChild(FlinkChangelogModeInferenceProgram.scala:337) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.$anonfun$visitChildren$1(FlinkChangelogModeInferenceProgram.scala:326) > > > > at > > > > > > > > > > org.apache.flink.table.planner.plan.optimize.program.FlinkChangelogModeInferenceProgram$SatisfyModifyKindSetTraitVisitor.$anonfun$visitChildren$1$adapted(FlinkChangelogModeInferenceProgram.scala:325) > > > > at > > > > > > > > > > scala.collection.TraversableLike.$anonfun$map$1(TraversableLike.scala:233) > > > > > > > > 我的初步理解是FlinkSQL 不支持这样CDC这样由插入、更新、删除的流的分组聚合。 > > > > 那面对我这样的情况，该用什么方案来解决？ > > > > 望知道的各位告知一下，感谢！ > > > > > > > > 祝好 > > > > > > > > > > > > > >
