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
Edingbrugh.南空4 小时前
Flink MySQL CDC 环境配置与验证bxlj_jcj1 天前
深入Flink核心概念：解锁大数据流处理的奥秘Edingbrugh.南空1 天前
Flink SQLServer CDC 环境配置与验证Edingbrugh.南空1 天前
Flink OceanBase CDC 环境配置与验证真实的菜1 天前
Kafka生态整合深度解析：构建现代化数据架构的核心枢纽陈敬雷-充电了么-CEO兼CTO1 天前
推荐算法系统系列＞推荐数据仓库集市的ETL数据处理Edingbrugh.南空1 天前
Flink Postgres CDC 环境配置与验证lifallen2 天前
Paimon vs. HBase：全链路开销对比茫茫人海一粒沙2 天前
理解 Confluent Schema Registry：Kafka 生态中的结构化数据守护者dessler2 天前
Kafka-消费者(Consumer)和消费者组（Consumer Group）