flink sql为例:
    从kafka消费大概下面几种模式:
        每次都从最新消费:
            'scan.startup.mode' = 'latest-offset'
        每次都从最早消费:
            'scan.startup.mode' = 'earliest-offset'
        每次都从消费者组消费(如果消费者组不存在,则又分三种) 两行配置:
             'scan.startup.mode' = 'group-offsets'  // 第一行
                -- 消费者组不存在的情况'   //第二行
                    'properties.auto.offset.reset' = 'latest' // 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，消费新产生的该分区下的数据
                    'properties.auto.offset.reset' = 'earliest' // 当各分区下有已提交的offset时，从提交的offset开始消费；无提交的offset时，从头开始消费
                    'properties.auto.offset.reset' = 'none' // topic各分区都存在已提交的offset时，从offset后开始消费；只要有一个分区不存在已提交的offset，则抛出异常
        从固定时间戳消费(两行配置):
            'scan.startup.mode' = 'timestamp'
            'scan.startup.timestamp-millis' = '1657791107000'

# flink # sql # kafka
Logo
Kafka开源项目指南

Kafka开源项目指南提供详尽教程，助开发者掌握其架构、配置和使用，实现高效数据流管理和实时处理。它高性能、可扩展，适合日志收集和实时数据处理，通过持久化保障数据安全，是企业大数据生态系统的核心。

更多推荐

Kafka入门（一） 概述、部署与API的简单使用

Kafka概述、部署与API的简单使用

avatar Kafka开源项目指南

基于canal和kafka同步，实现binlog同步ElasticSearch

文章目录前言elasticsearch 安装canal安装canal-adapter 安装及配置mysql 安装zk及kafaka安装查看效果注意事项前言中间件版本elasticsearch7.5.2canal1.1.4client-adapter1.1.5-alpha-1zookeeper3.4.13kafka2.6.0mysql5.7.31elasticsearch 安装{"settings"

avatar Kafka开源项目指南

基于 Iceberg 的湖仓一体架构在 B 站的实践

背景在B站，每天都有PB级的数据注入到大数据平台，经过离线或实时的ETL建模后，提供给下游的分析、推荐及预测等场景使用。面对如此大规模的数据，如何高效低成本地满足下游数据的分析需求，一直是我们重点的工作方向。我们之前的数据处理流程基本上是这样的：采集端将客户端埋点、服务端埋点、日志、业务数据库等数据收集到HDFS、Kafka等存储系统中，然后通过Hive、Spark、Fl...

avatar Kafka开源项目指南