是的，Flink CDC 支持 PyFlink。您可以使用 PyFlink 的 Python API 编写 Flink CDC 应用程序，并使用 Flink CDC 进行数据流的增量同步。

要在 PyFlink 中使用 Flink CDC，您需要安装 Flink CDC 的 Python 包。您可以使用以下命令来安装 Flink CDC 的 Python 包：

Copy
pip install apache-flink-cdc
安装完成后，您可以在 PyFlink 应用程序中使用 cdc_source 和 cdc_sink 两个函数来创建 Flink CDC 的数据源和数据接收器。例如：

python
Copy
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import EnvironmentSettings, TableEnvironment
from pyflink.table.window import Tumble

from flinkcdc import cdc_source, cdc_sink

env_settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
env = StreamExecutionEnvironment.get_execution_environment()
t_env = TableEnvironment.create(env_settings)

创建 Flink CDC 的数据源

source_ddl = """
CREATE TABLE my_source_table (
id INT,
name STRING,
age INT,
PRIMARY KEY (id) NOT ENFORCED
) WITH (
'connector' = 'mysql-cdc',
'hostname' = 'localhost',
'port' = '3306',
'username' = 'root',
'password' = 'password',
'database-name' = 'my_database',
'table-name' = 'my_table',
'scan.incremental' = 'my_table:ts'
)
"""
source_table = t_env.sql_query(source_ddl)
source_stream = cdc_source(source_table)

创建 Flink CDC 的数据接收器

sink_ddl = """
CREATE TABLE my_sink_table (
id INT,
name STRING,
age INT,
PRIMARY KEY (id) NOT ENFORCED
) WITH (
'connector' = 'jdbc',
'url' = 'jdbc:mysql://localhost:3306/my_database',
'table-name' = 'my_sink_table',
'username' = 'root',
'password' = 'password'
)
"""
sink_table = t_env.sql_query(sink_ddl)
sink_stream = cdc_sink(sink_table)

将数据源和数据接收器连接起来

source_stream \
.key_by(lambda row: row.id) \
.window(Tumble.over("1.hour").on("ts").alias("w")) \
.apply(...) \
.add_sink(sink_stream)

env.execute("My CDC Job")
在上述示例中，cdc_source 和 cdc_sink 函数分别用于创建 Flink CDC 的数据源和数据接收器。

Flink CDC 目前不直接支持 PyFlink（Python 版本的 Flink）。Flink CDC 是基于 Java 编写的，主要用于在 Flink 的 Java 和 Scala API 中实现 Change Data Capture 功能。

然而，您仍然可以在 PyFlink 环境中使用 Flink CDC。一种常见的做法是使用 PyFlink 的 Table API 或 DataStream API 与 Java 或 Scala 的 Flink CDC 进行集成。

具体而言，您可以使用 Java 或 Scala 开发一个 Flink CDC 应用程序，将变更数据发送到 Kafka、RocketMQ 或其他消息队列中。然后，您可以在 PyFlink 中消费这些变更数据，并进行相应的处理和分析。

为了实现这种集成，您需要：

1. 使用 Java 或 Scala 编写 Flink CDC 应用程序，将 CDC 数据发送到消息队列。 2. 在 PyFlink 中编写相应的代码来消费消息队列中的变更数据，并使用 PyFlink 的功能进行处理和分析。

请注意，此方法涉及跨语言和跨平台的集成，需要合理配置和管理相关组件，并确保版本兼容性。另外，跨语言和跨平台的集成可能会增加一些复杂性和维护成本。

回答1:支持的啊
回答2:
，此回答整理自钉群“Flink CDC 社区”