在Flink CDC使用mongodbcdc时，如果通过SQL执行连接并处理大量数据，该怎么处理？

Flink CDC在处理大规模数据时，确实可能会存在一些性能问题。对于你提到的MongoDB CDC Connector在使用SQL执行连接时，如果数据量较大可能会导致数据卡住的情况，这可能与Flink的checkpoint机制有关。Flink的checkpoint机制会定期将流式计算任务的状态进行保存，以便在发生故障时进行恢复。但是在快照阶段，Flink不会自动进行checkpoint。

关于你提到的检查点大小问题，如果在快照阶段，检查点的大小为0，这可能是因为在这个时候，Flink还没有将状态数据刷新到检查点中。所以，如果你发现在快照过程中出现了问题，可能需要考虑一下是否需要增加内存来提高任务的处理能力。但是具体是否需要增加内存，以及增加多少内存，需要根据你的实际任务情况来进行评估。

在Flink CDC中，MongoDB CDC使用SQL执行连接时，如果数据量比较大，可能会导致数据卡住。这是因为MongoDB CDC必须等待快照完成后才会将状态刷新到检查点。在快照完成之前，检查点的大小为0。

关于快照时不进行自动检查点的问题，我无法提供确切的信息，因为我无法找到相关的官方文档。但是，你可以尝试以下方法来解决这个问题：

1. 增加内存：根据你的实际情况，可以考虑增加Flink任务的内存分配，以便在快照过程中处理更多的状态数据。

2. 调整并行度：尝试调整Flink任务的并行度，以充分利用集群资源并提高处理速度。

3. 优化SQL查询：检查你的SQL查询是否高效，避免在快照过程中产生大量的计算任务。

4. 使用增量检查点：在Flink 1.11及更高版本中，可以使用增量检查点功能。这将允许Flink在快照过程中定期更新检查点，从而减少数据卡住的可能性。要启用增量检查点，请在Flink配置文件中设置state.checkpoints.dir和state.checkpoints.incremental参数。