Flink CDC中2.4版本能实现新的表全量抽的同时，以前的老表增量不断吗？

在 Flink CDC 2.4 版本中，是可以同时进行新表的全量抽取和老表的增量同步的。

当你添加新表时，你可以启动一个新的 Flink 作业来执行全量同步，从头开始读取源表的数据，并将其同步到目标系统中。同时，在全量作业运行的情况下，既可以保持老表的增量作业继续运行。这些增量作业将监听和捕获源表的变更，并将变更数据实时同步到目标系统中。

为了同时处理全量和增量数据，你可以使用 Flink 的数据流分流（split）和合并（merge）功能，将来自全量作业和增量作业的数据合并到同一个数据流中。然后，将合并后的数据流发送到目标系统进行写入操作。这可以通过 Flink 的 Sink 功能实现，根据具体的目标系统选择相应的 Sink 插件或逻辑来将数据写入目标系统。

需要注意的是，确保在整个过程中处理数据的一致性和正确性。你可能需要考虑数据的顺序、去重等问题，以保证全量和增量数据的同步结果是准确的。

总结而言，Flink CDC 2.4 版本支持同时进行新表的全量抽取和老表的增量同步，你可以通过合理地设计作业拓扑结构和使用相关的 Flink API 来实现这个需求。

的，Flink CDC 2.4 版本可以实现新的表全量抽取的同时，以前的老表增量同步不断。
在 Flink CDC 中，新表需要进行全量抽取的原因是，CDC 作业需要将新表的数据也纳入到监控范围内，以便能够捕获新表的变化。而老表的增量同步也需要继续进行，以保证数据的实时性。
在作业加表启动后，Flink CDC 会先对新表进行全量同步。全量同步的过程中，Flink CDC 会读取新表的所有数据，并将其写入到目标数据源中（例如 Kafka）。全量同步完成后，Flink CDC 会根据增量作业的配置，继续对老表进行增量同步。
增量同步的过程中，Flink CDC 会监听源数据库中指定表的变化，将变化的数据捕获并写入到目标数据源中。当增量作业运行时，Flink CDC 会记录当前的 Checkpoint，以便在失败时能够从上一个 Checkpoint 恢复，并继续进行增量同步。