做这个开发是因为：在实际开发操作中，你的kafka主题中会有大量的数据但是需求并不需要所有数据，所有我们要对数据进行清洗，把需要的数据保存在flink流中，为下流的开发做好数据保障！
首先创建工具类
再写一个抽象类，测试阶段可以把状态后端和检查点给注释掉，可以提高效率
再写一个主程序继承抽象类中的方法，并在程序中对数据进行etl
相关推荐
数据开发 Yang 同学2 小时前
【Flink 时间语义与窗口】Watermark 机制、迟到数据处理与生产踩坑RestCloud17 小时前
借助ETL工具，实现AI智能体+数据的落地Devin~Y1 天前
电商场景下的Java面试实战：从Spring Boot微服务到Kafka、Redis与AI RAGAllData公司负责人1 天前
数据同步平台｜AIIData数据中台实现MySQL、Hive、Kafka 一键接入DorisRestCloud1 天前
2026数据集成工具最新选型建议：ETL/ELT怎么选，都应该带有什么功能last_zhiyin1 天前
一步步上手ETL工具之------Informatica PowerCenter本旺3 天前
Flink 2.x状态演进：理解解 1.x 与 2.x 状态存储机制whaledown3 天前
互联网大厂Java求职面试三轮提问详解（涵盖Spring Boot、微服务、Kafka等核心技术）Apache Flink3 天前
从结构化到多模态：Apache Flink，多模态数据处理的流式底座婉然从物3 天前
Flink SQL 元数据持久化实战：从“每次重启表消失”到“Hive Metastore 永久存储”