Jitsu与ClickHouse集成中的ReplacingMergeTree引擎数据删除问题解析
2025-06-14 07:00:05作者:郜逊炳
问题现象
在使用Jitsu v2.8.0与ClickHouse数据库集成时,用户发现了一个异常现象:通过HTTP API发送的事件数据能够正确写入ClickHouse的目标表中,但几分钟后这些数据却神秘消失了。更奇怪的是,所有事件数据都出现在了"tracks"表中,但在分表中要么未被插入,要么被删除。
根本原因分析
经过深入调查,发现问题源于ClickHouse的ReplacingMergeTree表引擎特性。ReplacingMergeTree是ClickHouse中一种特殊的表引擎,它与常规MergeTree引擎的主要区别在于会自动删除具有相同排序键值的重复条目。
关键点在于:
- Jitsu早期版本使用的排序键是
eventn_ctx_event_id
- 新版本Jitsu改为使用
message_id
作为排序键 - 当新数据写入旧表结构时,
eventn_ctx_event_id
字段为空 - ClickHouse后台合并过程会将这些"重复"的空键值记录删除
技术背景
ReplacingMergeTree引擎的数据去重机制有几个重要特点:
- 去重仅发生在后台合并过程中,时间不可预测
- 去重依据是ORDER BY定义的排序键,而非PRIMARY KEY
- 如果排序键值为空或相同,记录可能被意外删除
解决方案
针对这一问题,可以采用以下解决方案:
- 数据转换函数:在Jitsu连接配置中添加JavaScript转换函数,将新字段映射到旧字段:
export default async function(event, { log, fetch, props: config }) {
return {
...event,
properties: {
...event.properties,
eventn_ctx_event_id: event.messageId,
_timestamp: event.timestamp
}
}
}
-
调整主键设置:将连接的主键明确设置为
eventn_ctx_event_id
,保持与旧表结构一致 -
表结构迁移:对于长期解决方案,建议将表结构迁移到新版本的标准,统一使用
message_id
作为排序键
最佳实践建议
-
版本升级注意事项:在升级Jitsu版本时,应检查表结构变化,特别是排序键和主键的变更
-
数据一致性检查:实施监控机制,验证数据是否按预期保留在ClickHouse中
-
明确排序策略:在设计ClickHouse表结构时,应仔细考虑排序键的选择,避免使用可能为空的字段
-
测试验证:在正式环境部署前,应在测试环境中验证数据保留行为
通过理解ClickHouse引擎特性和Jitsu的集成机制,可以有效避免这类数据丢失问题,确保数据分析管道的可靠性。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
465

deepin linux kernel
C
22
5

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

openGauss kernel ~ openGauss is an open source relational database management system
C++
132
185

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
873
517

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
179
264

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
609
59

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4