Flink CDC用DataStream开发任务么？

Flink CDC可以使用DataStream API或Table API/SQL开发任务。这两种API的性能差异取决于具体的任务和场景。
一般而言，在处理复杂任务时，DataStream API比Table API/SQL更快，因为它可以直接操作数据流，而无需使用中间表或状态等机制。而在处理简单任务时，Table API/SQL可能更加方便快捷。
Flink CDC sink通常是自定义的，例如Kafka、RabbitMQ等。您可以根据自己的需求定制适合的sink。
全量和增量的并行度可以通过Flink CDC配置文件中的parallelism参数进行设置。全量同步的并行度决定了读取MySQL binlog的速度，而增量同步的并行度决定了处理binlog的速度。更多信息请参阅Flink CDC官方文档。
如果您正在使用Flink做数据同步，建议您结合实际情况合理设置并行度，以及监控Flink任务的性能，以提高任务效率。同时，您可以考虑使用反压机制或其他优化手段来提高数据同步速度。

Flink CDC 可以使用 DataStream API 或 Flink SQL 开发任务，具体选择哪种方式取决于个人的编程习惯和需求。DataStream API 提供了更多的灵活性，可以实现更复杂的业务逻辑，而 Flink SQL 则更加简洁易用，适合处理简单的数据转换和聚合操作。
关于效率问题，一般来说 Flink SQL 的执行效率更高，因为其内部优化器会自动进行优化和并行度调整。但如果涉及到复杂的业务逻辑，DataStream API 可能更适合。
Sink 是 Flink 流处理中的输出组件，可以将数据写入到外部系统中。在 Flink CDC 中，Sink 通常是自定义的，需要根据具体的存储系统和格式进行开发。
全量和增量的并行度可以根据数据量和硬件资源来判断和修改。如果数据量较大，可以适当增加并行度来提高处理速度；如果硬件资源有限，可以适当降低并行度来减少资源消耗。需要注意的是，并行度不是越大越好，过度增加并行度可能会导致性能下降。

是的，Flink CDC可以通过DataStream API进行开发。同时，也可以使用Flink SQL进行数据同步，但需要注意的是，使用Flink SQL时，可能只能单表进行同步。

关于效率，Flink SQL和DataStream API的效率取决于具体的应用场景和数据特性。一般来说，如果你的数据同步需求比较复杂，例如需要进行复杂的转换或聚合操作，那么使用DataStream API可能会更加高效。而如果你的数据同步需求比较简单，例如只是进行简单的数据复制，那么使用Flink SQL可能会更加方便。

至于Sink，通常我们会编写自定义的Sink函数来将处理后的数据写入到目标数据库。在Flink CDC中，Sink函数的编写通常会涉及到数据库连接器的使用，例如使用JDBC或者Apache Commons DBCP等库来连接到数据库并进行数据写入。

关于并行度的修改，Flink CDC的并行度是由Flink任务的并行度决定的。在Flink中，你可以通过设置TaskExecutionMode为ParallelExecutionMode来修改任务的并行度。对于全量同步，你需要确保源数据库和目标数据库的并行度相同，以避免数据的不一致。而对于增量同步，你需要确保源数据库的并行度大于或等于目标数据库的并行度，以避免数据的不完整。

生产没用过flink sql不知道。我只是用flink作为同步工具，自己写的集成，通过配置表去改变库名表名。用途不一样不好说，此回答整理自钉群“Flink CDC 社区”