flink cdc 中，mongo 4.2，flink 1.15.3，hudi 0.12.2, 看t

在 Flink CDC 中，changelogNormalize 节点通常是用来将 CDC 数据流中的数据进行规范化处理，以便更好地适配 Flink 中的数据流处理模型。如果您在使用 Flink CDC 时发现 changelogNormalize 节点存在性能问题，可以考虑以下一些优化方案：
调整并行度：在 CDC 任务中，changelogNormalize 节点的并行度通常需要根据数据流的大小和复杂度进行调整。如果并行度设置过高，可能会导致任务性能下降；如果并行度设置过低，则可能会导致任务无法充分利用集群资源。建议根据实际情况进行调整。
使用 Flink 的 Watermark 机制：在 Flink 中，Watermark 机制可以用来处理乱序数据流。如果 CDC 数据流中存在乱序数据，可以考虑使用 Flink 的 Watermark 机制来更好地处理数据流，从而提高任务的性能和稳定性。
优化代码逻辑：如果 CDC 任务中的 changelogNormalize 节点存在性能问题，可以考虑优化代码逻辑，例如减少数据复制、使用更高效的算法等。
更新 Flink、MongoDB 和 Hudi 版本：如果您的 Flink、MongoDB 或 Hudi 版本过老，可能会存在一些性能问题。建议更新到最新版本，以获取更好的性能和稳定性。

用rocksdb做状态后端，我之前同步mongo，状态也是随着数据量不断增大，最后checkpoint都不行，改成rocksdb后，开增量checkpoint就解决了。
不过如果做savepoint也会很大。SET state.backend = rocksdb;
SET state.backend.incremental = true;

加这两行就好了，此回答整理自钉群“Flink CDC 社区”