flink cdc1.13不需要做完ck就能实时sink数据，这个需求怎么实现？

在Flink 1.13及更早版本中，使用CDC（Change Data Capture）时，Flink支持在没有完成完整的Checkpoint之前就开始向下游Sink发送数据。这种模式称为"Exactly-Once"模式，它依赖于Flink的TwoPhaseCommitSinkFunction，该功能允许在提交事务之前预写日志（预提交），从而可以在检查点完成之前开始发送数据。然而，这种方式可能会导致数据丢失或重复，因为如果在提交Checkpoint之前发生故障，预提交的数据可能需要被回滚。

在Flink的后续版本中，为了保证更强的一致性，Flink默认要求在完成Checkpoint之后才开始发送数据。这被称为"Exactly-once"语义，确保在系统崩溃或故障恢复后能够准确恢复状态。

如果你希望在Flink的更高版本中实现类似Flink 1.13的效果，即在完成Checkpoint之前就开始实时Sink数据，可以考虑以下几种方法：

1. 配置两阶段提交：尽管在Flink的高版本中，默认配置可能更保守，但你仍然可以通过配置TwoPhaseCommitSinkFunction来实现预写日志的行为。不过，这种方法可能会牺牲一定的数据一致性保证。
2. 使用异步Checkpoint：Flink支持异步Checkpoint，这可以减少Checkpoint完成所需的时间，从而减少等待时间。你可以通过配置checkpointingMode为ASYNC来启用异步模式。
3. 调整Checkpoint间隔：减少Checkpoint的间隔时间可以减少等待完整Checkpoint完成的时间，但这也可能增加系统的整体负担。
4. 使用State Backend的快照功能：某些State Backend（如RocksDB）支持更频繁的快照，这可以在不影响主流程的情况下更频繁地保存状态。
5. 使用流式处理模式：如果你的应用场景允许，可以考虑使用流式处理模式（Stream Processing Mode），在这种模式下，Flink会尽可能地连续处理数据，而不是等待完整的Checkpoint。

请注意，这些调整可能会影响系统的整体一致性和可靠性，因此在进行任何更改之前，都需要充分评估其对整个系统的影响。在生产环境中，建议遵循Flink的默认配置，以确保数据的一致性。如果需要实时性，可以优化Checkpoint策略，而不是完全放弃一致性保证。