- 场景
①在缺乏数据的初期阶段，如何快速建立一个实时任务，跑通实时研发的整条链路？
②在测试功能时，如何快速跑通测试全链路？
③作为一个实时研发的新手小白，不同的实时数据源选择connector的时候不知道要怎么选择，创建元表的时候成功，但是flink_sql编译的时候报错参数不全，要怎么处理？
- 解决方案及功能
- Dataphin在实时研发模块提供了【引用示例代码】功能，其中包含模拟数据输入输出、Kafka实时数据处理、CDC实时数据同步入湖入仓等多个示例
【模拟数据输入输出示例】可以利用datagen connector 模拟输入， print connector 模拟输出，构造一个最简单的实时任务，走通实时研发的整条链路
- datagen connector：在缺乏实时数据的初期测试阶段，可以使用 datagen connector 生成模拟数据流，为 Flink SQL 任务提供稳定的测试数据，以便在无真实数据压力下进行功能测试和性能调优
- print connector：在开发过程中，可以插入 print connector 输出中间结果至控制台或日志，用于即时验证数据处理逻辑的正确性，快速迭代优化 SQL 语句
【CDC实时数据同步入湖入仓示例】通过Flink CDC读取MySQL的增量数据写到Kafka
通过示例代码，新手小白可以直接选择相应数据源的connector，而不需要自己在DDL中写，减少了数据源connector的学习成本；同时，借助示例代码，Dataphin会将对应任务的必填参数直接生成，避免了因参数缺少而编译报错的情况
【Kafka实时数据处理】在以下示例中输入connector只能选择Kafka，但是输出可以选择Kafka或者upsert Kafka，能够帮助小白学习，解决由于选错connector导致任务报错的问题
综上，通过【引用示例代码】可以自动生成代码，不仅能够让实时研发的新手小白迅速上手，快速走通实时研发的整条链路，而且可以减少数据源connector的学习成本，同时自动生成必填参数，避免了因参数缺少而编译报错的情况，可直接编译并运行,大大提升开发效率！
