Jitsu与ClickHouse集成中的ReplacingMergeTree引擎数据删除问题解析
2025-06-14 18:12:19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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-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~0284Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.04 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

React Native鸿蒙化仓库
C++
198
279

Ascend Extension for PyTorch
Python
47
81

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
8
0

🎉 (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
948
556

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
17

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
1 K
397