flinkcdc踩坑指南

Flink CDC (Change Data Capture) 是一种用于实时流处理中数据变更监控的技术，但在实践中可能会遇到一些常见问题。以下是一些可能遇到的陷阱及其解决方案：

1. **兼容性问题**[^4]:
- Flink CDC不直接支持所有数据库，确保选择的数据库有官方支持的CDC插件（如Oracle GoldenGate, PostgreSQL wal2json等）。

   // 示例：启用PostgreSQL CDC
   StreamExecutionEnvironment env = ...;
   TableEnvironment tEnv = ...;
   tEnv.connect(JdbcDriver.class)
       .withUsernameAndPassword(username, password)
       .withCatalogName(catalog)
       .withSchemaName(schema)
       .createTemporaryTable("my_table", "...");

2. **配置延迟**[^5]:
- CDC通常会引入额外的延迟来捕获更改事件，设置合理的`eventTimeWatermark`至关重要。

   table.exec.streaming.source.watermark-interval=500ms

3. **数据一致性**[^6]:
- 处理并发更新时可能出现脏读或丢失更新，需采用如事务提交或时间窗口策略保证一致性。

4. **错误处理与恢复**[^7]:
- 配置错误重试机制以及备份策略以防因网络中断或其他原因导致的数据丢失。

   checkpointing.interval = 5000
   savepointPath = ...

5. **资源管理**[^8]:
- 调整Flink配置以优化内存使用，避免因为内存溢出而导致任务失败。

   <property>
     <name>taskmanager.network.memory.fraction</name>
     <value>0.8</value>
   </property>