问题一：flink默认的这个catalog一般有啥作用？
flink默认的这个catalog一般有啥作用？
参考答案：
在Apache Flink中，catalog（目录）是用于管理和组织表的元数据的服务。默认情况下，Flink提供了几个内置的catalog，包括：
1. GenericInMemoryCatalog：
这是一个简单的、内存中的catalog实现，适用于测试和开发环境。
1. HiveCatalog：
这是一个支持与Hive集成的catalog，允许您使用Hive Metastore来存储和管理Flink表的元数据。
1. JdbcCatalog：
这是一个基于JDBC连接的catalog，可以与各种关系型数据库（如MySQL、PostgreSQL等）集成，以便将表的元数据存储在这些数据库中。
1. CalciteCatalog：
这是一个基于Apache Calcite框架的catalog，它可以处理多种类型的存储后端，并提供对SQL DDL语句的支持。
1. FileSystemCatalog：
这是一个基于文件系统的catalog，它允许您将表的元数据以JSON格式存储在本地文件系统或分布式文件系统（如HDFS）上。
这些catalog的主要作用包括：
组织和管理表：
Catalog可以帮助用户组织和管理其Flink作业中的表。通过catalog，您可以创建、删除、查询和修改表的结构和属性。
持久化元数据：
Catalog通常会将表的元数据持久化到某种形式的存储系统中，这使得即使在Flink作业失败或重启后也能恢复元数据信息。
跨作业共享表：
使用catalog可以让多个Flink作业共享相同的表元数据，从而简化了表的管理和使用。
支持SQL DDL操作：
许多catalog还支持SQL DDL（数据定义语言）操作，例如CREATE TABLE、ALTER TABLE和DROP TABLE等，这使得用户可以更方便地操作表。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/578523
问题二：Flink这个监控在哪看呀？
Flink这个监控在哪看呀？ 
参考答案：
Apache Flink 提供了控制台监控界面来查看作业运行时的各项指标，包括 Checkpoint 监控和反压监控。这些监控信息可以通过访问 Flink 的控制台来查看,在 Flink控制台界面上，您可以找到与 Checkpoint 相关的选项卡或标签页，
其中会显示作业的 checkpoint 信息，例如 checkpoint 的频率、状态、持续时间以及相关的元数据等。即使作业已经终止，这些统计信息通常仍然可以查看。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/578522
问题三：Flink这种怎么看他们的hash键是哪个？
Flink这种怎么看他们的hash键是哪个？ 
参考答案：
常见的策略就是基于键（key）的分区，例如 keyBy 或者 partitionCustom。在基于键的分区中，Flink 会使用 hash 函数来决定每个数据元素应该发送到哪个并行实例。
可以从代码分析下，比如 join、group by key。 
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/578521
问题四：Flink这个整库多表同步大概是怎么做呢？
Flink这个整库多表同步大概是怎么做呢？我这边一个job处理一个宽表。
一个库一个job表不会太多吗
参考答案：
我是采用flink+hologres方案，holo ods层类似从库方案，没有直接连mysql去打宽，很多需求不一样，同一表可能多处用到，都去连业务库压力还是比较大的，整库同步cads，然后指定多表。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/578519
问题五：我使用flink在做一个100张表左右的数据同步，这种情况下，对于CPU要求的范围大概是多少呢？
我使用flink在做一个100张表左右的数据同步，涉及到的业务不是特别复杂，这种情况下，对于CPU要求的范围大概是多少呢？还有内存，这边想知道一下范围方便采购
参考答案：
可以参考下我的：我现在有50个库在做数据同步， 差不多每个库是90个表， 整库多表同步， 50个库对应50个job， 目前每个job使用的资源差不多0.7CU， JM：0.25+1，TM：0.5+2 。
关于本问题的更多回答可点击进行查看：
