Apache Paimon CDC同步中的模式兼容性检查问题分析

背景介绍

Apache Paimon是一个流式数据湖存储系统，支持实时数据摄入和处理。在数据同步场景中，特别是通过CDC(变更数据捕获)方式从其他系统同步数据时，模式(Schema)兼容性检查是一个关键环节。它确保了源系统和目标系统之间的数据结构能够正确匹配，或者在允许的情况下进行合理的模式演化。

问题现象

在Paimon 1.1.1版本中，当使用Flink引擎进行CDC数据同步时，发现一个关于模式兼容性检查的问题。具体表现为：当源数据模式发生合理演化时(如将INT类型升级为BIGINT类型)，系统错误地拒绝了这种兼容的模式变更，导致同步失败。

技术细节

问题的核心在于CdcActionCommonUtils类中的schemaCompatible方法实现。该方法负责检查源表模式和Paimon表模式是否兼容。当前实现存在以下技术问题：

1. 参数顺序错误：在调用canConvert方法检查类型转换可能性时，错误地将源类型作为第一个参数，Paimon类型作为第二个参数。这种顺序意味着它在检查"源类型能否转换为Paimon类型"，而实际上应该检查"Paimon类型能否容纳源类型"。

2. 逻辑方向错误：当前实现关注的是"源数据能否适配现有Paimon表"，而CDC同步场景下更合理的逻辑应该是"Paimon表能否演化以适配源数据"。

影响范围

这个bug影响了以下合理模式演化场景：

1. 数值类型扩展：如INT到BIGINT，FLOAT到DOUBLE等
2. 字符串长度扩展：如VARCHAR(10)到VARCHAR(20)
3. 其他可安全扩展的数据类型变更

这些变更在Avro等序列化框架中被认为是兼容的变更，但在当前实现中会被错误地拒绝。

解决方案思路

正确的实现应该：

1. 反转canConvert方法的参数顺序，检查Paimon类型能否转换为源类型
2. 考虑模式演化的方向性，区分"严格兼容"和"可演化兼容"场景
3. 对于数值类型扩展等安全变更，应该允许并触发Paimon表的模式演化

技术启示

这个问题给我们带来几点重要的技术思考：

1. 模式演化的方向性：在数据同步场景中，必须明确模式检查的方向性。是从源到目标，还是从目标到源，这直接影响兼容性判断的结果。

2. 类型系统转换语义：不同系统间的类型转换需要明确定义转换规则和兼容性矩阵。数值类型的扩展通常被认为是安全的，但收缩可能不安全。

3. CDC场景的特殊性：与传统ETL不同，CDC同步通常需要更灵活的模式处理能力，以应对源系统的模式变更。

总结

Apache Paimon作为流式数据湖存储，其CDC同步功能对模式演化的支持至关重要。这个bug的修复将增强系统处理合理模式演化的能力，使Paimon能够更好地适应现实世界中源系统模式变更的场景。对于使用者来说，理解这一问题的本质有助于更好地规划和实施数据同步策略。