> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-fbfa8bee.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> Знакомство с Apache Flink и ClickHouse
# Коннектор Flink
export const ClickHouseSupportedBadge = () => {
return
Поддерживается в ClickHouse
;
};
Это официальный [sink-коннектор для Apache Flink](https://github.com/ClickHouse/flink-connector-clickhouse), поддерживаемый ClickHouse. Он построен на основе [AsyncSinkBase](https://cwiki.apache.org/confluence/display/FLINK/FLIP-171%3A+Async+Sink) из Flink и официального [Java-клиента](https://github.com/ClickHouse/clickhouse-java) ClickHouse.
Коннектор поддерживает DataStream API Apache Flink. Поддержка Table API [планируется в одном из будущих релизов](https://github.com/ClickHouse/flink-connector-clickhouse/issues/42).
## Требования
* Java 11+ (для Flink 1.17+) или 17+ (для Flink 2.0+)
* Apache Flink 1.17+
## Матрица совместимости версий Flink
Коннектор выпускается в виде двух артефактов для поддержки Flink 1.17+ и Flink 2.0+. Выберите артефакт, соответствующий нужной версии Flink:
| Версия Flink | Артефакт | Версия Java-клиента ClickHouse | Требуемая версия Java |
| ------------ | -------------------------------- | ------------------------------ | --------------------- |
| latest | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ |
| 2.0.1 | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ |
| 2.0.0 | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ |
| 1.20.2 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ |
| 1.19.3 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ |
| 1.18.1 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ |
| 1.17.2 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ |
Коннектор не тестировался с версиями Flink более ранними, чем 1.17.2
## Установка и настройка
### Импорт в качестве зависимости
#### Для Flink 2.0+
```maven theme={null}
com.clickhouse.flink
flink-connector-clickhouse-2.0.0
{{ stable_version }}
all
```
```gradle theme={null}
dependencies {
implementation("com.clickhouse.flink:flink-connector-clickhouse-2.0.0:{{ stable_version }}")
}
```
```sbt theme={null}
libraryDependencies += "com.clickhouse.flink" % "flink-connector-clickhouse-2.0.0" % {{ stable_version }} classifier "all"
```
#### Для Flink 1.17+
```maven theme={null}
com.clickhouse.flink
flink-connector-clickhouse-1.17
{{ stable_version }}
all
```
```gradle theme={null}
dependencies {
implementation("com.clickhouse.flink:flink-connector-clickhouse-1.17:{{ stable_version }}")
}
```
```sbt theme={null}
libraryDependencies += "com.clickhouse.flink" % "flink-connector-clickhouse-1.17" % {{ stable_version }} classifier "all"
```
### Скачайте JAR-файл
Шаблон имени JAR-файла:
```bash theme={null}
flink-connector-clickhouse-${flink_version}-${stable_version}-all.jar
```
где:
* `flink_version` — одно из значений: `2.0.0` или `1.17`
* `stable_version` — [версия стабильного релиза артефакта](https://github.com/ClickHouse/flink-connector-clickhouse/releases)
Все доступные JAR-файлы опубликованных релизов можно найти в [репозитории Maven Central](https://repo1.maven.org/maven2/com/clickhouse/flink/).
## Использование DataStream API
### Фрагмент
Допустим, вы хотите выполнить вставку необработанных данных CSV в ClickHouse:
```java theme={null}
public static void main(String[] args) {
// Настройте ClickHouseClient
ClickHouseClientConfig clickHouseClientConfig = new ClickHouseClientConfig(url, username, password, database, tableName);
// Создайте ElementConverter
ElementConverter convertorString = new ClickHouseConvertor<>(String.class);
// Создайте sink и задайте формат с помощью `setClickHouseFormat`
ClickHouseAsyncSink csvSink = new ClickHouseAsyncSink<>(
convertorString,
MAX_BATCH_SIZE,
MAX_IN_FLIGHT_REQUESTS,
MAX_BUFFERED_REQUESTS,
MAX_BATCH_SIZE_IN_BYTES,
MAX_TIME_IN_BUFFER_MS,
MAX_RECORD_SIZE_IN_BYTES,
clickHouseClientConfig
);
csvSink.setClickHouseFormat(ClickHouseFormat.CSV);
// Наконец, подключите DataStream к sink.
final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
Path csvFilePath = new Path(fileFullName);
FileSource csvSource = FileSource
.forRecordStreamFormat(new TextLineInputFormat(), csvFilePath)
.build();
env.fromSource(
csvSource,
WatermarkStrategy.noWatermarks(),
"GzipCsvSource"
).sinkTo(csvSink);
}
```
Другие примеры и фрагменты можно найти в наших тестах:
* [flink-connector-clickhouse-1.17](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/flink-connector-clickhouse-1.17/src/test/java/org/apache/flink/connector/clickhouse/sink)
* [flink-connector-clickhouse-2.0.0](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/flink-connector-clickhouse-2.0.0/src/test/java/org/apache/flink/connector/clickhouse/sink)
### Пример быстрого старта
Мы подготовили пример на Maven, чтобы вы могли быстро начать работу с ClickHouse Sink:
* [Flink 1.17+](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/examples/maven/flink-v1.7/covid)
* [Flink 2.0.0+](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/examples/maven/flink-v2/covid)
Более подробные инструкции см. в [руководстве с примерами](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/examples/README.md)
### Параметры подключения к DataStream API
#### Параметры клиента ClickHouse
| Параметры | Описание | Значение по умолчанию | Обязательно |
| --------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------- | --------------------- | ----------- |
| `url` | Полный URL ClickHouse | N/A | Да |
| `username` | Имя пользователя базы данных ClickHouse | N/A | Да |
| `password` | Пароль пользователя базы данных ClickHouse | N/A | Да |
| `database` | Имя базы данных ClickHouse | N/A | Да |
| `table` | Имя таблицы ClickHouse | N/A | Да |
| `options` | `Map` с параметрами конфигурации Java-клиента | Пустой `Map` | Нет |
| `serverSettings` | `Map` с настройками сеанса сервера ClickHouse | Пустой `Map` | Нет |
| `enableJsonSupportAsString` | Настройка сервера ClickHouse, указывающая, что для [типа данных JSON](/ru/reference/data-types/newjson) ожидается `String` в формате JSON | true | Нет |
`options` и `serverSettings` следует передавать клиенту как `Map`. Если для любого из них передать пустой `Map`, будут использоваться значения клиента или сервера по умолчанию соответственно.
Все доступные параметры Java-клиента перечислены в [ClientConfigProperties.java](https://github.com/ClickHouse/clickhouse-java/blob/main/client-v2/src/main/java/com/clickhouse/client/api/ClientConfigProperties.java) и [в этой странице документации](/ru/integrations/language-clients/java/client#configuration).
Все доступные настройки сеанса сервера перечислены [на этой странице документации](/ru/reference/settings/session-settings).
Например:
```java theme={null}
Map javaClientOptions = Map.of(
ClientConfigProperties.CA_CERTIFICATE.getKey(), "",
ClientConfigProperties.SSL_CERTIFICATE.getKey(), "",
ClientConfigProperties.CLIENT_NETWORK_BUFFER_SIZE.getKey(), "30000",
ClientConfigProperties.HTTP_MAX_OPEN_CONNECTIONS.getKey(), "5"
);
Map serverSettings = Map.of(
"insert_deduplicate", "1"
);
ClickHouseClientConfig clickHouseClientConfig = new ClickHouseClientConfig(
url,
username,
password,
database,
tableName,
javaClientOptions,
serverSettings,
false // enableJsonSupportAsString
);
```
#### Параметры sink
Следующие параметры взяты напрямую из `AsyncSinkBase` Flink:
| Параметры | Описание | Значение по умолчанию | Обязательно |
| ---------------------- | ----------------------------------------------------------------------------------------------------------- | --------------------- | ----------- |
| `maxBatchSize` | Максимальное количество записей, вставляемых за один батч | N/A | Да |
| `maxInFlightRequests` | Максимальное количество запросов в обработке, допустимое до того, как sink начнет применять backpressure | N/A | Да |
| `maxBufferedRequests` | Максимальное количество записей, которое может буферизоваться в sink до применения backpressure | N/A | Да |
| `maxBatchSizeInBytes` | Максимальный размер батча (в байтах). Все отправляемые батчи будут меньше или равны этому значению | N/A | Да |
| `maxTimeInBufferMS` | Максимальное время, в течение которого запись может оставаться в sink перед отправкой | N/A | Да |
| `maxRecordSizeInBytes` | Максимальный размер записи, который принимает sink; записи большего размера будут автоматически отклоняться | N/A | Да |
## Поддерживаемые типы данных
В таблице ниже приведена краткая справка по преобразованию типов данных при вставке данных из Flink в ClickHouse.
### Вставка данных из Flink в ClickHouse
[//]: # "TODO: добавить столбец \"Flink SQL Type\", как только появится поддержка Table API "
| Тип Java | Тип ClickHouse | Поддерживается | Метод сериализации |
| ------------------- | ----------------- | -------------- | ----------------------------- |
| `byte`/`Byte` | `Int8` | ✅ | `DataWriter.writeInt8` |
| `short`/`Short` | `Int16` | ✅ | `DataWriter.writeInt16` |
| `int`/`Integer` | `Int32` | ✅ | `DataWriter.writeInt32` |
| `long`/`Long` | `Int64` | ✅ | `DataWriter.writeInt64` |
| `BigInteger` | `Int128` | ✅ | `DataWriter.writeInt128` |
| `BigInteger` | `Int256` | ✅ | `DataWriter.writeInt256` |
| `short`/`Short` | `UInt8` | ✅ | `DataWriter.writeUInt8` |
| `int`/`Integer` | `UInt8` | ✅ | `DataWriter.writeUInt8 ` |
| `int`/`Integer` | `UInt16` | ✅ | `DataWriter.writeUInt16` |
| `long`/`Long` | `UInt32` | ✅ | `DataWriter.writeUInt32` |
| `long`/`Long` | `UInt64` | ✅ | `DataWriter.writeUInt64` |
| `BigInteger` | `UInt64` | ✅ | `DataWriter.writeUInt64` |
| `BigInteger` | `UInt128` | ✅ | `DataWriter.writeUInt128` |
| `BigInteger` | `UInt256` | ✅ | `DataWriter.writeUInt256` |
| `BigDecimal` | `Decimal` | ✅ | `DataWriter.writeDecimal` |
| `BigDecimal` | `Decimal32` | ✅ | `DataWriter.writeDecimal` |
| `BigDecimal` | `Decimal64` | ✅ | `DataWriter.writeDecimal` |
| `BigDecimal` | `Decimal128` | ✅ | `DataWriter.writeDecimal` |
| `BigDecimal` | `Decimal256` | ✅ | `DataWriter.writeDecimal` |
| `float`/`Float` | `Float` | ✅ | `DataWriter.writeFloat32` |
| `double`/`Double` | `Double` | ✅ | `DataWriter.writeFloat64` |
| `boolean`/`Boolean` | `Boolean` | ✅ | `DataWriter.writeBoolean` |
| `String` | `String` | ✅ | `DataWriter.writeString` |
| `String` | `FixedString` | ✅ | `DataWriter.writeFixedString` |
| `LocalDate` | `Date` | ✅ | `DataWriter.writeDate` |
| `LocalDate` | `Date32` | ✅ | `DataWriter.writeDate32` |
| `LocalDateTime` | `DateTime` | ✅ | `DataWriter.writeDateTime` |
| `ZonedDateTime` | `DateTime` | ✅ | `DataWriter.writeDateTime` |
| `LocalDateTime` | `DateTime64` | ✅ | `DataWriter.writeDateTime64` |
| `ZonedDateTime` | `DateTime64` | ✅ | `DataWriter.writeDateTime64` |
| `int`/`Integer` | `Time` | ❌ | Н/Д |
| `long`/`Long` | `Time64` | ❌ | Н/Д |
| `byte`/`Byte` | `Enum8` | ✅ | `DataWriter.writeInt8` |
| `int`/`Integer` | `Enum16` | ✅ | `DataWriter.writeInt16` |
| `java.util.UUID` | `UUID` | ✅ | `DataWriter.writeIntUUID` |
| `String` | `JSON` | ✅ | `DataWriter.writeJSON` |
| `Array` | `Array` | ✅ | `DataWriter.writeArray` |
| `Map` | `Map` | ✅ | `DataWriter.writeMap` |
| `Tuple` | `Tuple` | ✅ | `DataWriter.writeTuple` |
| `Object` | `Variant` | ❌ | Н/Д |
Примечания:
* При выполнении операций над датами необходимо указать `ZoneId`.
* При выполнении операций с десятичными числами необходимо указать [точность и масштаб](/ru/reference/data-types/decimal#decimal-value-ranges).
* Чтобы ClickHouse мог разобрать строку Java как JSON, необходимо включить `enableJsonSupportAsString` в `ClickHouseClientConfig`.
* Коннектору требуется `ElementConvertor`, чтобы сопоставлять элементы входного `DataStream` с полезными нагрузками ClickHouse. Для этого коннектор предоставляет `ClickHouseConvertor` и `POJOConvertor`, которые можно использовать для реализации такого сопоставления с помощью приведённых выше методов сериализации `DataWriter`.
## Поддерживаемые входные форматы
Список доступных входных форматов ClickHouse можно найти [на этой странице документации](/ru/reference/formats/index#formats-overview) и в [ClickHouseFormat.java](https://github.com/ClickHouse/clickhouse-java/blob/main/clickhouse-data/src/main/java/com/clickhouse/data/ClickHouseFormat.java).
Чтобы указать формат, который коннектор должен использовать для сериализации вашего DataStream в полезную нагрузку ClickHouse, используйте функцию `setClickHouseFormat`. Например:
```java theme={null}
ClickHouseAsyncSink csvSink = new ClickHouseAsyncSink<>(
convertorString,
MAX_BATCH_SIZE,
MAX_IN_FLIGHT_REQUESTS,
MAX_BUFFERED_REQUESTS,
MAX_BATCH_SIZE_IN_BYTES,
MAX_TIME_IN_BUFFER_MS,
MAX_RECORD_SIZE_IN_BYTES,
clickHouseClientConfig
);
csvSink.setClickHouseFormat(ClickHouseFormat.CSV);
```
По умолчанию коннектор использует [RowBinaryWithDefaults](/ru/reference/formats/RowBinary/RowBinaryWithDefaults) или [RowBinary](/ru/reference/formats/RowBinary/RowBinary), если параметр `setSupportDefault` в `ClickHouseClientConfig` явно задан как true или false соответственно.
## Метрики
Коннектор предоставляет следующие дополнительные метрики помимо стандартных метрик Flink:
| Метрика | Описание | Тип | Статус |
| --------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------- | ------ |
| `numBytesSend` | Общее количество байтов, отправленных в ClickHouse в полезной нагрузке запроса. *Примечание: эта метрика измеряет размер сериализованных данных, переданных по сети, и может отличаться от `written_bytes` в `system.query_log` ClickHouse, который отражает фактическое количество байтов, записанных в хранилище после обработки* | Counter | ✅ |
| `numRecordSend` | Общее количество записей, отправленных в ClickHouse | Counter | ✅ |
| `numRequestSubmitted` | Общее количество отправленных запросов (фактическое количество выполненных flush-операций) | Counter | ✅ |
| `numOfDroppedBatches` | Общее количество батчей, отброшенных из-за сбоев без возможности повторной попытки | Counter | ✅ |
| `numOfDroppedRecords` | Общее количество записей, отброшенных из-за сбоев без возможности повторной попытки | Counter | ✅ |
| `totalBatchRetries` | Общее количество повторных попыток батчей из-за сбоев, допускающих повторную попытку | Counter | ✅ |
| `writeLatencyHistogram` | Гистограмма распределения задержки успешной записи (мс) | Histogram | ✅ |
| `writeFailureLatencyHistogram` | Гистограмма распределения задержки неуспешной записи (мс) | Histogram | ✅ |
| `triggeredByMaxBatchSizeCounter` | Общее количество flush-операций, вызванных достижением `maxBatchSize` | Counter | ✅ |
| `triggeredByMaxBatchSizeInBytesCounter` | Общее количество flush-операций, вызванных достижением `maxBatchSizeInBytes` | Counter | ✅ |
| `triggeredByMaxTimeInBufferMSCounter` | Общее количество flush-операций, вызванных достижением `maxTimeInBufferMS` | Counter | ✅ |
| `actualRecordsPerBatch` | Гистограмма распределения фактического размера батча | Histogram | ✅ |
| `actualBytesPerBatch` | Гистограмма распределения фактического количества байтов в батче | Histogram | ✅ |
[//]: # "| actualTimeInBuffer | Гистограмма распределения фактического времени в буфере до flush | Histogram | ❌ |"
## Ограничения
* В настоящее время sink гарантирует доставку как минимум один раз. Работа над семантикой «ровно один раз» отслеживается [здесь](https://github.com/ClickHouse/flink-connector-clickhouse/issues/106).
* Sink пока не поддерживает dead-letter queue (DLQ) для буферизации записей, которые не удалось обработать. Пока что коннектор будет пытаться повторно выполнять вставку записей, завершившихся ошибкой, и отбрасывать их в случае неудачи. Эта возможность отслеживается [здесь](https://github.com/ClickHouse/flink-connector-clickhouse/issues/105).
* Sink пока не поддерживает создание через Table API Flink или Flink SQL. Эта возможность отслеживается [здесь](https://github.com/ClickHouse/flink-connector-clickhouse/issues/42).
## Совместимость версий ClickHouse и безопасность
* Коннектор ежедневно тестируется в CI с рядом последних версий ClickHouse, включая latest и head. Список тестируемых версий периодически обновляется по мере выхода новых релизов ClickHouse. [Здесь](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/.github/workflows/tests-nightly.yaml#L15) можно посмотреть, с какими версиями коннектор ежедневно проходит тестирование.
* Сведения об известных уязвимостях и о том, как сообщить о новой уязвимости, см. в [политике безопасности ClickHouse](https://github.com/ClickHouse/ClickHouse/blob/master/SECURITY.md#security-change-log-and-support).
* Мы рекомендуем регулярно обновлять коннектор, чтобы не пропускать исправления безопасности и новые улучшения.
* Если у вас возникли проблемы с миграцией, создайте [issue](https://github.com/ClickHouse/flink-connector-clickhouse/issues) в GitHub, и мы ответим!
## Расширенное и рекомендуемое использование
* Для оптимальной производительности убедитесь, что тип элементов в вашем DataStream **не** является типом Generic — см. [здесь описание различий между типами во Flink](https://nightlies.apache.org/flink/flink-docs-release-2.2/docs/dev/datastream/fault-tolerance/serialization/types_serialization/#flinks-typeinformation-class). Элементы, не относящиеся к Generic, позволяют избежать накладных расходов на serialization, связанных с Kryo, и повысить пропускную способность при записи в ClickHouse.
* Мы рекомендуем установить `maxBatchSize` как минимум в 1000, а в идеале — в диапазоне от 10 000 до 100 000. Подробнее см. [в этом руководстве по массовым вставкам](/ru/concepts/features/operations/insert/bulkinserts).
* Чтобы выполнять дедупликацию в стиле OLTP или upsert в ClickHouse, обратитесь к [этой странице документации](/ru/concepts/features/operations/insert/deduplication#options-for-deduplication). *Примечание: не путайте это с дедупликацией батчей, которая происходит при повторных попытках.*
## Устранение неполадок
### CANNOT\_READ\_ALL\_DATA
Может возникнуть следующая ошибка:
```text theme={null}
com.clickhouse.client.api.ServerException: Code: 33. DB::Exception: Cannot read all data. Bytes read: 9205. Bytes expected: 1100022.: (at row 9) : While executing BinaryRowInputFormat. (CANNOT_READ_ALL_DATA)
```
**Причина**: Чаще всего ошибка CANNOT\_READ\_ALL\_DATA означает, что схема вашей таблицы ClickHouse перестала совпадать со схемой записей Flink. Это может произойти, если одна из них была изменена способом, несовместимым с предыдущей версией.
**Решение**: Обновите схему таблицы ClickHouse, тип входных данных коннектора или и то и другое, чтобы они стали совместимыми. При необходимости обратитесь к разделу [сопоставление типов](#inserting-data-from-flink-into-clickhouse), чтобы понять, как сопоставлять типы Java с типами ClickHouse. *Примечание: если некоторые записи всё ещё находятся в обработке, при перезапуске коннектора потребуется сбросить состояние Flink.*
### Низкая пропускная способность
При записи в ClickHouse вы можете столкнуться с тем, что пропускная способность коннектора не масштабируется вместе с параллелизмом задачи (числом задач Flink).
**Причина**: фоновый [процесс слияния частей](/ru/concepts/core-concepts/merges) в ClickHouse может замедлять вставки. Это может происходить, если задан слишком маленький размер батча, коннектор слишком часто выполняет flush, или из-за сочетания обоих факторов.
**Решение**: Отслеживайте метрики `numRequestSubmitted` и `actualRecordsPerBatch`, чтобы понять, как подобрать размер батча (`maxBatchSize`) и частоту flush. Рекомендации по выбору размера батча также приведены в разделе [Расширенное и рекомендуемое использование](#advanced-and-recommended-usage).
[//]: # "TODO: раскомментировать этот раздел после закрытия https://github.com/ClickHouse/flink-connector-clickhouse/issues/121"
[//]: # "### Я вижу дублирующиеся батчи строк в моей таблице ClickHouse {#duplicate_batches}"
[//]: #
[//]: # "**Причина**: Если одну или несколько записей в батче Flink не удаётся вставить в ClickHouse из-за сбоя, допускающего повторную попытку, коннектор повторно отправит **весь батч**. Если [дедупликация вставок](https://clickhouse.com/docs/guides/developer/deduplicating-inserts-on-retries#query-level-insert-deduplication) отключена, это может привести к появлению дублирующихся записей в вашей таблице ClickHouse. В противном случае возможно, что окно дедупликации или его длительность слишком малы, и срок хранения блоков истекает до того, как коннектор повторно попытается их отправить."
[//]: #
[//]: # "**Решение**:"
[//]: # "- Если ваша таблица использует движок таблицы `Replicated*MergeTree`:"
[//]: # " 1. убедитесь, что для настройки сеанса сервера `insert_deduplicate=1` установлено нужное значение (при необходимости см. [пример](#client-options) выше о том, как его задать). Обратите внимание: для реплицируемых таблиц `insert_deduplicate` включён по умолчанию."
[//]: # " 2. при необходимости увеличьте один или оба параметра настроек таблицы `MergeTree`: [`replicated_deduplication_window`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#replicated_deduplication_window) или [`replicated_deduplication_window_seconds`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#replicated_deduplication_window_seconds)."
[//]: # "- Если ваша таблица использует нереплицируемый движок таблицы `*MergeTree`, увеличьте значение настройки таблицы `MergeTree` [`non_replicated_deduplication_window`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#non_replicated_deduplication_window)."
[//]: #
[//]: # "_Примечание 1: это решение основано на [синхронных вставках](https://clickhouse.com/docs/best-practices/selecting-an-insert-strategy#synchronous-inserts-by-default), которые рекомендуется использовать с коннектором Flink. Убедитесь, что для настройки сеанса сервера задано `async_insert=0`._"
[//]: #
[//]: # "_Примечание 2: большое значение `(non_)replicated_deduplication_window` может замедлить вставки, поскольку придётся сравнивать больше записей._"
### В моей таблице ClickHouse отсутствуют строки
**Причина**: батч(и) были отброшены либо из-за сбоя, не допускающего повторной попытки, либо потому, что их не удалось вставить за настроенное число повторных попыток (задаётся через `ClickHouseClientConfig.setNumberOfRetries()`). *Примечание: по умолчанию коннектор пытается повторно вставить батч до 3 раз, прежде чем отбросить его.*
**Решение**: Проверьте журналы TaskManager и/или трассировки стека, чтобы определить первопричину.
## Участие в проекте и поддержка
Если вы хотите внести свой вклад в проект или сообщить о проблемах, мы будем рады вашему участию!
Перейдите в наш [репозиторий GitHub](https://github.com/ClickHouse/flink-connector-clickhouse), чтобы создать issue, предложить
улучшения или отправить pull request.
Мы приветствуем вклад в проект! Перед началом работы, пожалуйста, ознакомьтесь с [руководством по участию](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/CONTRIBUTING.md) в репозитории.
Спасибо, что помогаете улучшать коннектор ClickHouse для Flink!