Q:
大家好，请教一个问题
我有一条进行 session window 的 sql。这条 sql 消费较少数据量的 topic 的时候，是可以生成 watermark。消费大量的数据的时候，就无法生成watermark。
一直是 No Watermark。 暂时找不到排查问题的思路。
Flink 版本号是 1.10，kafka 中消息是有时间的，其他的任务是可以拿到这个时间生成watermark。同时设置了 EventTime mode 模式，Blink Planner。
DDL:
create table test(
user_id varchar,
action varchar,
event_time TIMESTAMP(3),
WATERMARK FOR event_time AS event_time - INTERVAL '10' SECOND
) with(...);
DML：
insert into
console
select
user_id,
f_get_str(bind_id) as id_list
from
(
select
action as bind_id,
user_id,
event_time
from
(
SELECT
user_id,
action,
PROCTIME() as proc_time,
event_time
FROM test
) T
where
user_id is not null
and user_id <> ''
and CHARACTER_LENGTH(user_id) = 24
) T
group by
SESSION(event_time, INTERVAL '10' SECOND),user_id
关于这个问题我进行了一些 debug，发现了 watermark 对应的一个 physical relnode 是 StreamExecWatermarkAssigner
在translateToPlanInternal中生成了如下一个 class 代码:
public final class WatermarkGenerator$2 extends org.apache.flink.table.runtime.generated.WatermarkGenerator {
public WatermarkGenerator$2(Object[] references) throws Exception { }
@Override
public void open(org.apache.flink.configuration.Configuration parameters) throws Exception { }
@Override
public Long currentWatermark(org.apache.flink.table.dataformat.BaseRow row) throws Exception { org.apache.flink.table.dataformat.SqlTimestamp field$3; boolean isNull$3; boolean isNull$4; org.apache.flink.table.dataformat.SqlTimestamp result$5; isNull$3 = row.isNullAt(12);
field$3 = null;
if (!isNull$3) {
field$3 = row.getTimestamp(12, 3);
}
isNull$4 = isNull$3 || false; result$5 = null;
if (!isNull$4) {
result$5 = org.apache.flink.table.dataformat.SqlTimestamp.fromEpochMillis(field$3.getMillisecond() - ((long) 10000L), field$3.getNanoOfMillisecond());
}
if (isNull$4) {
return null;
} else {
return result$5.getMillisecond();
}
}
@Override
public void close() throws Exception { } }
其中关键的信息是 result$5 = org.apache.flink.table.dataformat.SqlTimestamp.fromEpochMillis(field$3.getMillisecond() - ((long) 10000L), field$3.getNanoOfMillisecond()); 确实按照 WATERMARK FOR event_time AS event_time - INTERVAL '10' SECOND 的定义获取的watermark。
在 flink 的 graph 中也确实有对应的 op 在做这个事情，不知为何会出现 no watermark 这样的结果。因为这部分codegen的代码确实无法进一步debug了。
如果大家有什么好的 debug codegen 生成的代码，可以告诉我哈，非常感谢
A:
hi, 你的意思是没有办法在codegen出来的代码上加断点的意思吗？
这里倒是有一个比较hack的方法：
将生成的类放在一个java文件之中，然后修改改下GeneratedClass下的newInstance方法，如果classname ==“WatermarkGenerator$2” 则将刚才的类则返回 new WatermarkGenerator$2 这个类。
我个人对于问题的猜测是有一条数据的rowtime远远晚于其他数据，从而将整体的watermark提得很高，导致后面的“晚到”的数据一直无法触发watermark的生成。
Q:
大家好
问题的原因定位到了。
由于无法 debug codegen 生成的代码，即使我拿到线上的数据，开启了debug环境依然无法得到进展。
这个时候，我进行了 disable chain，观察 watermark 的生成情况，看看到底在那个环节没有继续往下传递。（因为多个 op chain 在一起，不能确定到底是那个环节存在问题）
发现在 WatermarkAssigner(rowtime=[event_time], watermark=[(event_ti...）这个 op 中部分 task 为 No watermark，由于这个op和source chain在一起，导致这个vertex 对应的watermark无法显示只能是 no data。因为存在 group by 下游的 watermark 为 min（parent task output watermark），所以下游是 No watermark。导致在查问题的时候，比较困难。
定位到由于 kafka 部分 partition 无数据导致 No watermark 加上 table.exec.source.idle-timeout = 10s 参数即可。
当然，如果能直接 debug codegen 生成的代码，那么这个问题的分析路径会更简单。我应该直接可以发现大部分 task 可以生成 watermark，少部分 task 无 watermark，能够快速的减少debug的时间。当前使用 disable chain 观察每个 op 的情况，对于 Flink sql 的 debug 有很大的便利之处，不知社区是否有相关参数帮助开发者。
