Flink CDC (Change Data Capture) 是一种用于捕获数据库变更日志的技术，常用于实时数据同步和数据流处理。MySQL CDC 是指通过 Flink 对 MySQL 数据库变更进行捕获和处理的能力。

MySQL CDC 的实现原理主要依赖于以下几个关键技术：
数据库日志：MySQL 支持二进制日志（binlog），它记录了数据库的所有变更信息。
数据库客户端：Flink 集成了不同数据库的客户端，如 Debezium 对 MySQL 的 binlog 解析。
变更数据捕获：Debezium 引擎监控 binlog，并将其解析成 Flink 可以处理的 changelog 数据。

和Flink 什么区别？
Flink 是一个更通用的流处理平台，而 Flink CDC 是构建在 Flink 之上，专注于变更数据捕获和流式数据同步的工具集。
Apache Flink 是一个开源的流处理框架，用于实时数据流的处理和分析。Flink 提供了用于构建分布式流处理应用的丰富API，包括数据流编程模型、窗口操作、状态管理、时间语义等。Flink 能够以极高的吞吐量和低延迟运行复杂的数据分析任务，并且保证数据流的一致性和准确性。Flink 也支持批处理，因此它可以作为批处理和流处理的统一引擎。
Flink CDC 是 Flink 社区提供的变更数据捕获工具集，它允许用户捕获数据库的增量变化，并将这些变化实时地以流的形式提供给下游系统。Flink CDC 工具可以监控数据库的变更，并将这些变更作为事件流输出，这些事件流可以被 Flink 流处理作业所消费。

联系：
Flink CDC 是基于 Flink 的生态系统构建的，它利用 Flink 的流处理能力来捕获和分发数据库的变更数据。
Flink CDC 产生的变更数据流可以被 Flink 流处理作业直接消费，实现近实时的数据同步和流处理。
Flink CDC 与 Flink 的集成提供了端到端的数据流解决方案，从数据源的变更捕获到数据的流式处理。

区别：
功能定位：Flink 是一个通用的流处理框架，适用于各种流处理和批处理场景。Flink CDC 专注于捕获和分发数据库的变更数据。
使用场景：Flink 可以用于构建广泛的数据处理应用，而 Flink CDC 主要用于数据同步、流式ETL、实时数据仓库等需要数据库变更捕获的场景。
实现细节：Flink CDC 利用了 Flink 的内部机制，如状态后端和检查点机制，来保证变更数据的一致性和准确性。但它为数据库变更捕获提供了特定的连接器和API。

特点：

实时性
Flink CDC 利用数据库的日志文件（如 MySQL 的 binlog）来捕获数据变更事件，这意味着它可以几乎无延迟地获取到数据变化。
通过流处理框架 Apache Flink变更数据可以快速被处理和传输到下游系统，适合需要低延迟反应的业务场景。
支持多种数据库
目前Flink CDC 支持广泛使用的关系型数据库如 MySQL，PostgreSQL， MongoDB，Oracle，SQL Server 等的支持。
这种广泛的支持使得 Flink CDC 可以适用于多种存储系统背景下的实时数据同步和分析需求。
容错性
结合 Apache Flink 的状态管理和检查点机制（Checkpointing），Flink CDC 能够在发生故障时保证数据处理的一致性并恢复到正确状态。
这是企业级应用中非常重要的特征，确保了数据处理任务在面对硬件故障或网络问题时依然能够可靠运行。
灵活性与易用性
用户可以通过简单配置就能启动一个CDC任务，无需编写复杂代码。
支持自定义Deserialization schema来解析变更事件，用户可以根据自己需求进行定制化开发。
扩展性
由于基于 Apache Flink 实现，Flink CDC 自然继承了 Flink 的可伸缩架构。用户可以根据负载增加或减少任务节点。
支持动态表功能（Dynamic Table），允许用户在不停止现有应用程序情况下修改表结构。
集成性
可以与Apache Kafka、Elasticsearch等其他大数据组件轻松集成，为复杂的大数据生态系统提供强大支撑。
提供了连接器（Connector）接口，使得将CDC与其他外部系统连接起来变得简单快捷。
开源社区活跃：
作为 Apache 软件基金会项目之一，Flink 和其CDC组件拥有活跃且庞大的开发者社区。这意味着问题和bug通常能够快速被响应和解决，并且不断有新功能被添加进来。
增量快照读取
Flink CDC的增量快照读取机制是在Flink CDC 2.x版本中引入的。这一机制允许Flink CDC以更高效的方式进行数据捕获，它通过将数据表分割成多个chunk（分片），并行地对这些chunk进行快照读取，从而提高了读取速度和整体性能。

并发读取

支持多个并发读取任务，提高了数据捕获的速度。
Chunk级别的checkpoint：在每个chunk读取完成后进行一次checkpoint，提高了故障恢复的准确性和效率。
全量增量无锁读取算法：不需要数据库锁权限，降低了对数据库的依赖和权限要求。
此外，Flink CDC 2.x版本还引入了Exactly-Once语义，确保数据处理结果的精确一次性，并且支持动态加表和无主键表的处理。

        在Flink CDC 2.3版本中，除了对MySQL CDC的优化，还增加了对Db2、MongoDB和Oracle CDC的支持，并且这些连接器也都接入了增量快照框架，从而提供了无锁读取、并行读取和断点续传的能力。