Todos os produtos
Search

Este produto

    Realtime Compute for Apache Flink:Depurar um rascunho SQL

    Central de documentação

    Realtime Compute for Apache Flink:Depurar um rascunho SQL

    Última atualização: Nov 03, 2026

    Depure rascunhos SQL para validar a lógica de negócios sem gravar dados em sinks de produção. Durante uma sessão de depuração, nenhum dado chega aos sistemas downstream, independentemente do tipo da tabela sink.

    Use a depuração para:

    • Testar instruções SELECT ou INSERT com dados upstream em tempo real ou com dados de teste fornecidos por você.

    • Validar jobs que contenham múltiplas instruções SELECT ou INSERT.

    • Verificar consultas UPSERT, incluindo instruções com operações de atualização como count(*).

    Limitações

    • Somente jobs SQL são suportados.

    • Instruções CREATE TABLE AS SELECT (CTAS) e CREATE DATABASE AS (CDAS) não são suportadas.

    • Por padrão, o Flink pausa após ler 1.000 registros.

    • Cada sessão de depuração tem limite de 3 minutos.

    • O modo de depuração não suporta checkpoints. Os checkpoints permanecem desativados durante a depuração, e parâmetros relacionados (como execution.checkpointing.interval) definidos em instruções SET ou em Other Configuration não têm efeito. Conectores que exigem checkpoints retornam o erro requires checkpointing to be enabled no modo de depuração. Para verificar o comportamento dos checkpoints, implante o job. Para mais informações, consulte Deploy a job

      Para jobs complexos, limite a concorrência máxima de um único job a 512 e restrinja jobs de médio porte com concorrência de 64 a no máximo 32 por cluster. Caso contrário, podem ocorrer timeouts de heartbeat que afetam a estabilidade do cluster. Se isso acontecer, aumente os valores de intervalo e timeout do heartbeat.

      .

    Pré-requisitos

    Antes de começar, verifique se você tem:

    • Um workspace do Realtime Compute for Apache Flink no estado Running

    • Um rascunho SQL com instruções válidas na página ETL

    • Permissões suficientes para criar clusters de sessão e executar tarefas de depuração

    Etapa 1: Criar um cluster de sessão

    A depuração é executada em um cluster de sessão, projetado exclusivamente para desenvolvimento e testes. Não use clusters de sessão em produção.

    1. No console do Flink, abra seu workspace.

    2. No painel de navegação à esquerda, escolha O&M > Session Clusters.

    3. Clique em Create Session Cluster.

    4. Configure os parâmetros descritos nas seções a seguir e clique em Create Session Cluster.

    Standard

    Parâmetro

    Descrição

    Name

    Nome do cluster de sessão.

    Deployment Target

    Fila de recursos do cluster de sessão. Para mais informações, consulte Manage queues.

    State

    Estado desejado após a criação. RUNNING: O cluster inicia imediatamente. STOPPED: O cluster é criado, mas não inicia. Essa opção também interrompe todos os jobs implantados no cluster de sessão.

    Scheduled Session Management

    Desliga automaticamente o cluster quando nenhum job for executado por um período especificado, evitando desperdício de recursos com clusters ociosos.

    Labels

    Tags para filtrar jobs na página Overview.

    Configuration

    Parâmetro

    Descrição

    Engine Version

    Versão do engine VVR. Selecione uma versão Recommended ou Stable. Para detalhes, consulte Engine versions e Lifecycle policies.

    Flink Restart Policy

    Comportamento de reinicialização quando uma tarefa falha.

    • Failure Rate: Reinicia com base na taxa de falhas dentro de um intervalo configurável.

    • Fixed Delay: Reinicia em intervalos fixos por um número definido de tentativas.

    • No Restarts: O job não reinicia em caso de falha.

    Se não configurado, aplica-se a estratégia padrão: o JobManager não reinicia na falha da tarefa quando o checkpointing está desativado, mas reinicia quando o checkpointing está ativado.

    Other Configuration

    Entradas adicionais de configuração do Flink (por exemplo, taskmanager.numberOfTaskSlots: 1).

    Resources

    Parâmetro

    Descrição

    Number of TaskManagers

    Por padrão, este valor equivale ao paralelismo.

    JobManager CPU Cores

    Padrão: 1.

    JobManager Memory

    Mínimo: 1 GiB. Recomendado: 4 GiB.

    TaskManager CPU Cores

    Padrão: 2.

    TaskManager Memory

    Mínimo: 1 GiB. Recomendado: 8 GiB.

    Recomendações de dimensionamento de slots:

    Carga de trabalho

    vCPU por slot

    Memória por slot

    Jobs pequenos (paralelismo de 1)

    1

    2 GiB

    Jobs complexos

    1

    4 GiB

    Comece com a configuração padrão de 2 slots por TaskManager.

    Importante

    Se um único TaskManager tiver poucos recursos, a estabilidade do job diminui e a sobrecarga do TaskManager não pode ser compartilhada entre os slots. Se um único TaskManager tiver recursos excessivos, uma falha nesse TaskManager afetará muitos jobs simultaneamente.

    Logging

    Parâmetro

    Descrição

    Root Log Level

    Níveis de log em ordem crescente de severidade: TRACE, DEBUG, INFO, WARN, ERROR.

    Log Levels

    Nome da classe e nível de log.

    Logging Profile

    Um modelo do sistema ou um modelo personalizado.
    Nota

    Para opções relacionadas à integração do Flink com frameworks de orquestração de recursos como Kubernetes e YARN, consulte Frameworks de orquestração de recursos.

    Após criar o cluster de sessão, selecione-o na página ETL ao iniciar uma sessão de depuração.

    Etapa 2: Depurar o rascunho SQL

    1. Na página ETL, escreva ou abra o código SQL do seu job. Para mais informações, consulte Job development overview.

    2. Clique em Debug. Selecione um cluster de sessão e clique em Next.

    3. Configure a fonte de dados de teste:

      • Dados em tempo real: Para usar dados upstream em tempo real, clique em Confirm sem fazer alterações.

      • Dados de teste: Para usar dados de teste, clique em Download mock data template para obter um modelo CSV compatível com o schema da sua tabela de origem. Preencha o modelo, faça o upload e selecione Use mock data.

      Opção

      Descrição

      Download mock data template

      Baixa um modelo CSV compatível com o schema da tabela de origem.

      Upload mock data

      Faça upload de um arquivo CSV com dados de teste. O arquivo deve incluir uma linha de cabeçalho (por exemplo, id(INT)). Tamanho máximo do arquivo: 1 MB ou 1.000 registros.

      Data Preview

      Após carregar os dados de teste, clique no ícone de expansão (+) ao lado do nome da tabela de origem para visualizar os dados.

      Code preview

      Exibe as instruções DDL modificadas. A depuração altera automaticamente as instruções DDL das tabelas de origem e sink, mas não modifica o código real do seu job.

    4. Clique em OK. Os resultados da depuração aparecem abaixo do editor SQL. Após a conclusão da execução, clique na aba sink para visualizar a saída. A tabela contém as colunas id e name e exibe três linhas de dados de teste: (1, a), (2, b) e (3, c).

    Solução de problemas

    Problema

    Causa

    Solução

    Botão Debug está desabilitado

    Nenhum cluster de sessão está em execução

    Crie e inicie um cluster de sessão em O&M > Session Clusters.

    Timeout na sessão de depuração

    Cada sessão tem limite de 3 minutos

    Simplifique a consulta ou reduza o volume de dados de entrada.

    Resultados da depuração vazios

    Tabela de origem sem dados ou dados de teste inválidos

    Verifique a visualização dos dados. Se estiver usando dados de teste, valide o formato CSV e a linha de cabeçalho.

    Timeout de heartbeat do cluster de sessão

    Muitos jobs em execução no cluster

    Reduza o número de jobs concorrentes ou aumente o intervalo e o timeout do heartbeat.

    Saída inesperada na depuração

    Modificação automática de DDL não visível

    Consulte a Debug code preview para ver as instruções DDL modificadas.

    Próximos passos