正常读了全量后，增量读不到；设置一个并行度就没问题 ？

在使用CDC（Change Data Capture）时，如果遇到设置了多个初始并行度（initial parallelism）后，全量数据能够正常读取，但切换到增量读取阶段出现问题的情况，这可能是由于以下几个原因导致的：

1. Checkpoint对齐问题：当使用多并发进行全量数据读取时，为了确保全量数据完全写入下游后再开始读取增量数据，通常需要等待一个Checkpoint完成。如果Checkpoint间隔时间设置得较大，可能会导致较长时间后才开始读取增量数据。此外，多并发下的Checkpoint对齐可能不如单并发精确，可能导致增量读取的启动时机出现问题。

2. Binlog同步问题：多并发读取全量数据时，最后一个分片的数据量可能过大，或者在并发切换至单线程读取Binlog时存在协调问题，影响了增量数据的正确捕获。

3. 配置不一致或资源竞争：多并发环境下，可能存在配置未正确同步到所有任务实例，或是资源竞争导致某些任务未能成功切换到增量读取模式。

解决此问题的建议方案包括：

• 调整Checkpoint策略：减小Checkpoint间隔时间，确保在全量读取与增量读取之间能快速且准确地过渡。同时，监控Checkpoint的完成情况，确保所有Task在进入增量读取前都已达到最新的Checkpoint状态。

• 优化并发管理：尝试在全量读取完成后动态调整并行度至单个任务，以简化增量数据处理的复杂性。Flink提供了Savepoint机制来辅助这种动态调整，可以在全量读取完毕后触发一个Savepoint，然后基于该Savepoint重启作业并设置为单并发执行增量读取。

• 检查和校验配置：确认所有TaskManager上的配置一致，特别是与MySQL CDC源相关的配置，避免因配置不同步导致的任务行为不一致。

• 资源分配与监控：确保每个Task有足够的资源运行，避免资源争抢。同时，监控作业运行时的各项指标，如CPU、内存使用率以及网络IO，以便及时发现并解决问题。

通过上述措施，可以有效应对多并发全量读取后增量数据读取不畅的问题，确保数据流的连续性和完整性。