Flink CDC就是一个可以从不同数据源中实时读取数据的技术，它既可以全量读取，也可以增量读取。
它的核心原理是监测并捕获数据库的变动（增删改等），将捕获到的数据发送到数据仓库或者数据湖，也可以写入到消息队列（例如Kafka）供其他服务消费。
引入依赖。
<dependency>
<groupId>com.ververica</groupId>
<artifactId>flink-connector-mysql-cdc</artifactId>
<version>2.3.0</version>
</dependency>和之前的流式大数据处理一样，在Flink中，所有用于批和流的Table API & SQL也都遵循相同的编程范式，也就是代码上的整体结构都基本上同。
package itechthink.table;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.connector.datagen.table.DataGenConnectorOptions;
import org.apache.flink.table.api.*;
/**
* Table API & SQL编程范式
*
*/
public class TableApiAndSQLParadigm {
public static void main(String[] args) throws Exception {
// 1. 创建批或流执行的Table上下文环境
Configuration configuration = new Configuration();
TableEnvironment tableEnv = TableEnvironment.create(configuration);
// 2.1. 创建数据源表
tableEnv.createTemporaryTable("SourceTable", TableDescriptor.forConnector("datagen")
.schema(Schema.newBuilder()
.column("f0", DataTypes.STRING())
.build())
.option(DataGenConnectorOptions.ROWS_PER_SECOND, 100L)
.build());
// 2.2. 或者，从Table API查询中创建一个Table对象
Table table1 = tableEnv.from("SourceTable");
// 2.3. 或者，从SQL查询中创建一个Table对象
Table table2 = tableEnv.sqlQuery("SELECT * FROM SourceTable");
// 3.1. 创建一张保存结果的Sink数据表
tableEnv.executeSql("CREATE TEMPORARY TABLE SinkTable WITH ('connector' = 'blackhole') LIKE SourceTable (EXCLUDING OPTIONS) ");
// 3.2. 或者，将查询结果保存到Sink数据表
TableResult tableResult1 = table1.insertInto("SinkTable").execute();
TableResult tableResult2 = table2.executeInsert("SinkTable");
}
}设想有下面这样的电商应用场景。
找出那些超时未支付的订单，例如，下单10分钟内没有支付的订单有多少？
找出那些1小时内至少有过3次有效交易的用户账户。
找出那些在5秒钟内连续登录失败超过至少3次的账号。
如果说上面的还算简单的话，那下面的这几个可就难办了。
找出行为事件小于8且浏览商品量少于3条的支付订单。
找出识别指定规则的时间并按指定方式输出。
在对传统的关系型数据库进行数据查询时，经常会遇到需要将两张或多张表进行关联的操作。
> SELECT a.id, a.name, b.deptid, ... FROM table1 AS a, table2 AS b
WHERE a.id = b.id;
# 或者
> SELECT a.id, a.name, b.deptid, ... FROM table1 join table2
ON table1.id = table2.id;如果Flink运行时，某个算子出现故障，如何处理？
当故障恢复后，又如何保证数据状态和恢复前保持一致？
Flink通过Checkpoint机制，为程序生成快照（Snapshot），如果程序崩溃，那么就可以有选择地从这些快照中进行恢复。
会话窗口按活动会话对对窗口进行区分。这种窗口和前面两种都不同，它既没有固定大小，也没有固定的开始时间和结束时间，它也不可能重叠，它完全是按照计算任务的活动状态来创建窗口的。
例如，如果某个计算任务量较大，那么它会持续通过会话窗口计算元素，直到任务结束；而如果暂时没有计算任务，那么一段时间之后窗口就会关闭。
这和浏览器或其他客户端上的用户会话机制是一样的。
会话窗口的代码模式如下。
滑动窗口除了有一个固定的大小，还有一个定时滑动的步长。例如，统计10分内的用户注册人数，每2分钟统计一次。那么Flink就会每2分钟统计一次过去10分钟内的用户注册量。
这就像在一小步一小步地往前滑动一样，这也是滑动窗口名字的由来。
如果同一个计算任务由多个滑动窗口组成，那么这些窗口在时间区间上会出现重叠。