问题一：Flink CDC里 为啥cache会占用这么多内存？ 怎么才能让他自动释放掉？
Flink CDC里 为啥cache会占用这么多内存？ 怎么才能让他自动释放掉？ 
参考答案：
Apache Flink CDC（Change Data Capture）在处理数据流时可能会积累大量的内存，尤其是当捕获的数据量较大或处理过程中存在状态存储时。Flink CDC任务取消后，如果内存没有及时释放，可能是因为以下几个原因：
- 状态后置清理：
- Flink在取消任务后，会异步清理task的状态，包括checkpoint状态和managed memory中的数据结构。这部分清理过程可能需要一定时间，并且在极端情况下，可能不会立即回收所有内存。
- 堆外内存（Off-heap Memory）：
- 如果Flink作业使用了堆外内存（例如 RocksDB状态后端），内存释放可能更加复杂，因为它不受JVM垃圾回收机制管理，需要Flink自身去释放这部分资源。
- 资源泄漏：
- 如果存在资源泄露，如未能正确关闭网络连接、文件流或其他系统资源，可能导致内存无法正常释放。
- Flink内部缓存或队列：
- CDC组件可能在内部维护了一些缓存或者队列，即便任务取消，这些结构如果没有被正确清空或关闭，也可能导致内存占用较高。
解决Flink CDC内存占用过大的问题，可以尝试以下措施：
- 等待资源释放：给Flink一段合理的时间自行清理资源。
- 检查和优化状态后端配置：确保状态后端配置合理，例如 RocksDB的配置，包括内存大小和checkpoint策略。
- 确认作业终止后状态清理：如果使用了checkpoint，确保作业在停止后完成了checkpoint的清理工作。
- 排查是否存在资源泄漏：审查代码和配置，确保所有资源在任务取消或失败时都能得到妥善清理和关闭。
- 手动触发GC：在诊断阶段，可以尝试触发Java垃圾收集器来回收堆内存，但这不是长期解决方案。
- 重启TaskManager或整个集群：在必要时，重启受影响的TaskManager或整个Flink集群可以彻底释放资源，但这应该是最后的手段，因为会导致服务中断。
总的来说，优化Flink CDC内存管理的关键在于合理配置和有效监控任务运行状态。如果问题持续存在，建议深入分析Flink的日志和监控指标，以便定位具体的问题根源。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/592260
问题二：Flink CDC里目前社区版本cdc支持整库同步了么？
Flink CDC里目前社区版本cdc支持整库同步了么？source是PG，sink是hudi。 后面有计划支持么？
参考答案：
目前支持mysql整库同步到starrocks/doris。参考这个：
https://github.com/ververica/flink-cdc-connectors/issues/2861
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/592246
问题三：Flink CDC里为什么使用yarn-session模式这样启用不了checkpoint吗？
Flink CDC里flink run -d -D yarn.application.id=application_xxxx -D execution.checkpointing.interval=60000，flink1.16版本为什么使用yarn-session模式这样启用不了checkpoint吗？ 
参考答案：
在 Apache Flink 1.16 版本中，在 YARN session 模式下运行 Flink 应用程序，并尝试通过 -D 参数设置 checkpoint 间隔，需要注意以下几点：
- YARN Session 和 Checkpoint 配置：
在启动yarn-session模式时，你应该先创建一个持久化的 Flink YARN session，然后在提交作业时通过作业的conf/flink-conf.yaml或者直接在代码中指定 checkpoint 相关配置。不过，有时候也可以通过 Java API 或命令行参数临时覆盖部分配置项。-D execution.checkpointing.interval=60000这种方式是在命令行上为作业指定自定义配置，但它是否能生效取决于 Flink 是否允许在运行时动态覆盖全局或作业级别的 checkpoint interval 设置。 - 正确设置 Checkpoint 间隔：
如果要在命令行提交作业时设置 checkpoint 间隔，确保使用正确的配置键名，对于 checkpoint 间隔应该是：
-D jobmanager.checkpoints.interval=60000
- 而不是
execution.checkpointing.interval，虽然在某些版本中两者可能可以互换，但在不同版本间配置键名可能会有所差异。 - 配置生效范围：
当你在 Flink 1.16 中通过-D参数设置 checkpoint 间隔时，确保这些参数是在提交作业到已经启动的 YARN session 时传递的，而不是在启动yarn-session本身时。这是因为启动 session 时不一定会处理作业级别的具体配置。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/592243
问题四：在Flink-CDC整库同步时，若某表大量更新记录（如几千万条），是否会导致其他表同步出现延迟？
在Flink-CDC整库同步时，若某表大量更新记录（如几千万条），是否会导致其他表同步出现延迟？对于这种场景，除了提升资源配置和增加并行度，是否有其他解决方案？特别是在源端大批量修改数据时，如何避免影响到CDC任务中其他表的同步时效？
参考答案：
一般不会有这种场景吧，mysql修改完就得数个小时吧，你都不用考虑flinkcdc延不延迟。只要没太大事务基本延迟都很低，就像是mysql主从。
关于本问题的更多回答可点击进行查看：
https://developer.aliyun.com/ask/592240
问题五：flink cdc 每秒同步记录数 这个官方有相关压测 的文档吗？
flink cdc 每秒同步记录数 这个官方有相关压测 的文档吗？
参考答案：
参考本图，不完全是压测的场景，还要考虑下游数据写入能力，增量数据只有1个并行度等情况。 
关于本问题的更多回答可点击进行查看：
