Flink CDC 类型映射体系详解CDC 内部类型与 Java 外部类型的完整对照指南【免费下载链接】flink-cdcFlink CDC is a streaming data integration tool项目地址: https://gitcode.com/GitHub_Trending/flin/flink-cdc本文围绕 Flink CDC 数据集成框架中的类型映射Type Mappings机制展开系统讲解 CDC 数据类型org.apache.flink.cdc.common.types.DataType如何映射为内部类型用于序列化、反序列化与流水线内部流转和Java 外部类型用于类型合并、类型转换与 UDF 求值。读完本文你将掌握完整类型对照表理解为什么 YAML Pipeline 连接器必须处理RecordData内部类型而 Transform UDF 的参数与返回值却要用 Java 外部类型声明并能据此正确编写连接器与 UDF。为什么 Flink CDC 需要两套类型表示在 Flink CDC 的数据流中一条变更记录从源数据库出发途经同步管道最终写入目标系统。在这一过程中同一个逻辑上的 SQL 类型往往需要以两种不同的形态存在CDC 内部类型CDC Internal Type用于框架内部的序列化 / 反序列化。内部类型是高效的内存数据结构可以直接写入DataChangeEvent随管道流转也能被二进制序列化器高效处理。Java 外部类型External Java Class用于类型合并、类型转换casting以及 UDF 求值。外部类型是开发者熟悉的 JDK 类型如java.time.LocalDateTime便于在业务代码中直接运算。两者并不总是相同。正如 类型映射文档 所强调的一些基本类型对内外部表示完全一致例如DataTypes.INT()的内部类型与外部类型都是java.lang.Integer而另一些类型则使用截然不同的表示例如DataTypes.TIMESTAMP在内部表示中使用org.apache.flink.cdc.common.data.TimestampData在外部操作中使用java.time.LocalDateTime。这一双类型设计直接决定了开发者在使用 Flink CDC 时的两条编码准则编写 YAML Pipeline 源/目标连接器时DataChangeEvent携带的是内部类型RecordData其中所有字段都是内部类型的实例。连接器在构造事件时必须用内部类型填充字段。编写 Transform UDF 时UDF 的eval方法参数与返回值类型应当声明为其外部 Java 类型框架会在调用边界自动完成内外部类型转换。完整类型对照表下表完整列出 Flink CDC 支持的所有 CDC 数据类型、其内部类型表示与外部 Java 类型与 type-mappings.md 中的官方列表完全一致可作为连接器与 UDF 开发的速查手册CDC 数据类型CDC 内部类型Java 外部类型BOOLEANjava.lang.Booleanjava.lang.BooleanTINYINTjava.lang.Bytejava.lang.ByteSMALLINTjava.lang.Shortjava.lang.ShortINTEGERjava.lang.Integerjava.lang.IntegerBIGINTjava.lang.Longjava.lang.LongFLOATjava.lang.Floatjava.lang.FloatDOUBLEjava.lang.Doublejava.lang.DoubleDECIMALorg.apache.flink.cdc.common.data.DecimalDatajava.math.BigDecimalDATEorg.apache.flink.cdc.common.data.DateDatajava.time.LocalDateTIMEorg.apache.flink.cdc.common.data.TimeDatajava.time.LocalTimeTIMESTAMPorg.apache.flink.cdc.common.data.TimestampDatajava.time.LocalDateTimeTIMESTAMP_TZorg.apache.flink.cdc.common.data.ZonedTimestampDatajava.time.ZonedDateTimeTIMESTAMP_LTZorg.apache.flink.cdc.common.data.LocalZonedTimestampDatajava.time.InstantCHAR / VARCHAR / STRINGorg.apache.flink.cdc.common.data.StringDatajava.lang.StringBINARY / VARBINARY / BYTESbyte[]byte[]ARRAYorg.apache.flink.cdc.common.data.ArrayDatajava.util.ListTMAPorg.apache.flink.cdc.common.data.MapDatajava.util.MapK, VROWorg.apache.flink.cdc.common.data.RecordDatajava.util.ListObjectVARIANTorg.apache.flink.cdc.common.types.variant.Variantorg.apache.flink.cdc.common.types.variant.Variant从表中可以提炼出几条规律数值基本类型BOOLEAN/TINYINT/SMALLINT/INTEGER/BIGINT/FLOAT/DOUBLE与二进制BINARY/VARBINARY/BYTES内外表示一致直接使用 JDK 包装类与byte[]。高精度与时间日期类型全部使用专用的不可变内部数据结构DecimalData、DateData、TimeData、TimestampData、ZonedTimestampData、LocalZonedTimestampData外部类型则对应java.math.BigDecimal与java.time系列类。字符串内部统一为StringData接口外部为java.lang.String。复合类型ARRAY/MAP/ROW内部为ArrayData/MapData/RecordData外部为 JDK 的List/Map/ListObject。VARIANT内外都是org.apache.flink.cdc.common.types.variant.Variant专用于半结构化 JSON 数据的表示。源码级拆解内部类型究竟内部在哪里下面结合flink-cdc-common模块中的实际源码深入剖析几个代表性内部类型的设计动机与底层实现。这些类型统一位于 flink-cdc-common 的 data 包 下。StringData可变字节视图与不可变字符串的统一抽象CHAR、VARCHAR与STRING在内部统一使用 StringData。从源码看StringData是一个公开接口PublicEvolving提供toBytes()转换为 UTF-8 字节数组返回的数组可能被复用与toString()两个核心方法。该接口的妙处在于内部表示可以同时容纳不可变字符串与可复用的二进制视图两种实现。在管道处理高频变更事件时框架可以复用底层的字节段而避免为每条记录重复分配对象RecordData的getString(int pos)返回的正是StringData而不是String从而避免在每次字段访问时都做一次 UTF-8 解码。DecimalData精度/小数位感知的紧凑十进制DECIMAL的内部表示是 DecimalData。该类的 Javadoc 明确指出它是一个不可变结构并且在数值足够小时使用紧凑表示compact representation以 long 存储。源码中的关键常量说明了其压缩策略MAX_COMPACT_PRECISION 18当精度不超过 18 位时十进制值可以直接用一个longlongVal配合scale表达即longVal / 10^scale无需分配BigDecimal对象当精度超过 18 位时才退化为使用BigDecimal decimalVal完整保存。此外DecimalData实现了ComparableDecimalData并提供toBigDecimal()、toUnscaledLong()非紧凑时若不能精确装入 long 会抛出ArithmeticException等转换方法。这正是为什么RecordData.getDecimal(int pos, int precision, int scale)在取值时必须传入精度与小数位——框架需要依据(precision, scale)判断该值是否以紧凑形式存储见 RecordData.java 中对应方法注释。TimestampData毫秒 纳秒内余的不可变时间戳TIMESTAMP的内部表示 TimestampData 同样是不可变结构。其内部以两个字段描述时间点millisecond自1970-01-01 00:00:00UTC0以来的毫秒数nanoOfMillisecond毫秒内的纳秒余数范围0 ~ 999_999。构造函数会通过Preconditions.checkArgument校验纳秒余数范围。类上同样声明在数值足够小时可用紧凑表示以 long 存储。TimestampData提供toTimestamp()转java.sql.Timestamp与toLocalDateTime()转外部类型java.time.LocalDateTime等方法是连接器与 UDF 之间内外部转换的枢纽。同理ZonedTimestampData、LocalZonedTimestampData、DateData、TimeData分别对应带时区时间戳、本地时区时间戳、日期与时间的内部表示。RecordData承载整行数据的统一容器ROW类型以及整个DataChangeEvent的载荷都由 RecordData 承载。作为PublicEvolving接口它定义了一套按位置读取的只读访问器getArity()返回字段数量isNullAt(int pos)判断空值针对每种内部类型提供专用取值方法getBoolean/getByte/getShort/getInt/getLong/getFloat/getDouble/getBinary/getString/getDecimal(pos, precision, scale)/getTimestamp(pos, precision)/getDate/getTime/getArray/getMap/getRow(pos, numFields)/getVariant等。值得注意的是getDecimal、getTimestamp、getZonedTimestamp、getLocalZonedTimestampData、getRow等方法都要求调用方传入精度、小数位或字段数等类型元数据因为内部数据结构需要这些信息才能正确解析紧凑表示。RecordData的类注释中还内置了一张 SQL 类型到内部结构的映射表与本篇文档的类型对照表相互印证。RecordData的实现如 GenericRecordData 与二进制优化版本BinaryRecordData既服务于通用场景也服务于追求性能的二进制场景。FieldGetter类型感知的字段访问器工厂RecordData接口中还有一个对连接器开发者极有价值的内置工厂方法RecordData.createFieldGetter(DataType fieldType, int fieldPos)。它根据字段的DataTypeRoot如CHAR/VARCHAR、DECIMAL、TIMESTAMP_WITHOUT_TIME_ZONE、ROW等为指定位置生成对应的FieldGetter并在字段类型可空时自动包装isNullAt判空逻辑RecordData.java。在运行时模块中该机制被广泛复用例如 BinaryRecordDataExtractor 通过SchemaUtils.createFieldGetters(...)批量创建字段访问器把二进制记录高效地抽取为管道可用的字段列表。这意味着内部类型字段的读取不必手动按类型分支声明好DataType即可获得类型安全的取值器。Variant半结构化数据的原生表示VARIANT类型在表项中内外部表示均为org.apache.flink.cdc.common.types.variant.Variant。该类型位于 variant 包 下围绕它还有BinaryVariant二进制形态、BinaryVariantBuilder/VariantBuilder构建器与VariantTypeException等配套类型。它用于承载 JSON 等半结构化数据允许在无需预定义 schema 的情况下参与类型合并与转换例如通过 transform 文档 中描述的PARSE_JSON/TRY_PARSE_JSON函数将 JSON 字符串解析为 Variant。实战准则一编写 YAML Pipeline 连接器时的内部类型约束对于 Pipeline 源/目标连接器开发者核心准则是DataChangeEvent携带的是内部类型RecordData且其所有字段必须是内部类型的实例。这意味着字符串字段要用StringData通过StringData.fromString(...)等工厂方法构造而不是String十进制字段要用DecimalData时间戳字段要用TimestampData及其带时区变体复合字段要用ArrayData、MapData、RecordData构造并嵌套。遵守该约束可以保证变更事件在整个管道中被统一、高效地序列化包括二进制序列化路径并且能够被下游 Transform、Schema Evolution 等组件一致地消费。事件在写入时以内部类型表达读取时配合DataType元数据即可通过RecordData.FieldGetter完成类型安全地还原。实战准则二编写 Transform UDF 时的外部类型约束与连接器相反Transform UDF 的编写遵循外部类型规则eval方法的参数与返回值应当声明为表中右侧的 Java 外部类型。例如处理TIMESTAMP时参数声明为java.time.LocalDateTime处理DECIMAL时参数声明为java.math.BigDecimal处理ARRAY时参数声明为java.util.ListT。框架会在 UDF 调用边界处完成内部类型与外部类型之间的自动转换因此 UDF 内部可以直接使用熟悉的 JDK 类型进行运算无需关心DecimalData的紧凑表示或StringData的字节视图细节。UDF 的注册方式pipeline.user-defined-function块以及getReturnType()对返回 CDC 类型的声明详见 transform 文档 中的用户自定义函数一节——那里的AddOneFunctionClass示例正是用DataTypes.INT()声明返回类型、用Integer作为参数类型的典型实践。与周边核心概念的关系类型映射并非孤立存在它与 Flink CDC 的其他核心概念紧密咬合Transform 与类型转换CAST(expr AS T)的语义、NULLIF的跨数值类型比较、以及 UDF 求值全部建立在CDC 数据类型 → Java 外部类型的映射之上而事件在管道内部流转时则依赖内部类型表示。Schema Evolution类型合并type merging需要比较与融合不同版本的字段类型内部类型的统一表达是合并算法高效运行的前提。数据类型定义所有 CDC 数据类型DataTypes.INT()、DataTypes.TIMESTAMP()、DataTypes.ROW(...)等的工厂方法都在该文件中是理解类型体系的入口。小结Flink CDC 的双层类型设计——内部类型负责高效流转与序列化外部 Java 类型负责业务计算与类型合并——是连接器与 UDF 开发的基础契约。掌握 完整类型对照表区分StringData与String、DecimalData与BigDecimal、TimestampData与LocalDateTime的使用边界你就能在编写 Pipeline 连接器时正确构造RecordData载荷在编写 Transform UDF 时正确声明参数与返回值从而写出类型安全、性能可靠的数据集成代码。【免费下载链接】flink-cdcFlink CDC is a streaming data integration tool项目地址: https://gitcode.com/GitHub_Trending/flin/flink-cdc创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/9/17 13:32:15 · 阅读 1.2k Flink CDC 类型映射体系详解：CDC 内部类型与 Java 外部类型的完整对照指南
Flink CDC 类型映射体系详解CDC 内部类型与 Java 外部类型的完整对照指南【免费下载链接】flink-cdcFlink CDC is a streaming data integration tool项目地址: https://gitcode.com/GitHub_Trending/flin/flink-cdc本文围绕 Flink CDC 数据集成框架中的类型映射Type Mappings机制展开系统讲解 CDC 数据类型org.apache.flink.cdc.common.types.DataType如何映射为内部类型用于序列化、反序列化与流水线内部流转和Java 外部类型用于类型合并、类型转换与 UDF 求值。读完本文你将掌握完整类型对照表理解为什么 YAML Pipeline 连接器必须处理RecordData内部类型而 Transform UDF 的参数与返回值却要用 Java 外部类型声明并能据此正确编写连接器与 UDF。为什么 Flink CDC 需要两套类型表示在 Flink CDC 的数据流中一条变更记录从源数据库出发途经同步管道最终写入目标系统。在这一过程中同一个逻辑上的 SQL 类型往往需要以两种不同的形态存在CDC 内部类型CDC Internal Type用于框架内部的序列化 / 反序列化。内部类型是高效的内存数据结构可以直接写入DataChangeEvent随管道流转也能被二进制序列化器高效处理。Java 外部类型External Java Class用于类型合并、类型转换casting以及 UDF 求值。外部类型是开发者熟悉的 JDK 类型如java.time.LocalDateTime便于在业务代码中直接运算。两者并不总是相同。正如 类型映射文档 所强调的一些基本类型对内外部表示完全一致例如DataTypes.INT()的内部类型与外部类型都是java.lang.Integer而另一些类型则使用截然不同的表示例如DataTypes.TIMESTAMP在内部表示中使用org.apache.flink.cdc.common.data.TimestampData在外部操作中使用java.time.LocalDateTime。这一双类型设计直接决定了开发者在使用 Flink CDC 时的两条编码准则编写 YAML Pipeline 源/目标连接器时DataChangeEvent携带的是内部类型RecordData其中所有字段都是内部类型的实例。连接器在构造事件时必须用内部类型填充字段。编写 Transform UDF 时UDF 的eval方法参数与返回值类型应当声明为其外部 Java 类型框架会在调用边界自动完成内外部类型转换。完整类型对照表下表完整列出 Flink CDC 支持的所有 CDC 数据类型、其内部类型表示与外部 Java 类型与 type-mappings.md 中的官方列表完全一致可作为连接器与 UDF 开发的速查手册CDC 数据类型CDC 内部类型Java 外部类型BOOLEANjava.lang.Booleanjava.lang.BooleanTINYINTjava.lang.Bytejava.lang.ByteSMALLINTjava.lang.Shortjava.lang.ShortINTEGERjava.lang.Integerjava.lang.IntegerBIGINTjava.lang.Longjava.lang.LongFLOATjava.lang.Floatjava.lang.FloatDOUBLEjava.lang.Doublejava.lang.DoubleDECIMALorg.apache.flink.cdc.common.data.DecimalDatajava.math.BigDecimalDATEorg.apache.flink.cdc.common.data.DateDatajava.time.LocalDateTIMEorg.apache.flink.cdc.common.data.TimeDatajava.time.LocalTimeTIMESTAMPorg.apache.flink.cdc.common.data.TimestampDatajava.time.LocalDateTimeTIMESTAMP_TZorg.apache.flink.cdc.common.data.ZonedTimestampDatajava.time.ZonedDateTimeTIMESTAMP_LTZorg.apache.flink.cdc.common.data.LocalZonedTimestampDatajava.time.InstantCHAR / VARCHAR / STRINGorg.apache.flink.cdc.common.data.StringDatajava.lang.StringBINARY / VARBINARY / BYTESbyte[]byte[]ARRAYorg.apache.flink.cdc.common.data.ArrayDatajava.util.ListTMAPorg.apache.flink.cdc.common.data.MapDatajava.util.MapK, VROWorg.apache.flink.cdc.common.data.RecordDatajava.util.ListObjectVARIANTorg.apache.flink.cdc.common.types.variant.Variantorg.apache.flink.cdc.common.types.variant.Variant从表中可以提炼出几条规律数值基本类型BOOLEAN/TINYINT/SMALLINT/INTEGER/BIGINT/FLOAT/DOUBLE与二进制BINARY/VARBINARY/BYTES内外表示一致直接使用 JDK 包装类与byte[]。高精度与时间日期类型全部使用专用的不可变内部数据结构DecimalData、DateData、TimeData、TimestampData、ZonedTimestampData、LocalZonedTimestampData外部类型则对应java.math.BigDecimal与java.time系列类。字符串内部统一为StringData接口外部为java.lang.String。复合类型ARRAY/MAP/ROW内部为ArrayData/MapData/RecordData外部为 JDK 的List/Map/ListObject。VARIANT内外都是org.apache.flink.cdc.common.types.variant.Variant专用于半结构化 JSON 数据的表示。源码级拆解内部类型究竟内部在哪里下面结合flink-cdc-common模块中的实际源码深入剖析几个代表性内部类型的设计动机与底层实现。这些类型统一位于 flink-cdc-common 的 data 包 下。StringData可变字节视图与不可变字符串的统一抽象CHAR、VARCHAR与STRING在内部统一使用 StringData。从源码看StringData是一个公开接口PublicEvolving提供toBytes()转换为 UTF-8 字节数组返回的数组可能被复用与toString()两个核心方法。该接口的妙处在于内部表示可以同时容纳不可变字符串与可复用的二进制视图两种实现。在管道处理高频变更事件时框架可以复用底层的字节段而避免为每条记录重复分配对象RecordData的getString(int pos)返回的正是StringData而不是String从而避免在每次字段访问时都做一次 UTF-8 解码。DecimalData精度/小数位感知的紧凑十进制DECIMAL的内部表示是 DecimalData。该类的 Javadoc 明确指出它是一个不可变结构并且在数值足够小时使用紧凑表示compact representation以 long 存储。源码中的关键常量说明了其压缩策略MAX_COMPACT_PRECISION 18当精度不超过 18 位时十进制值可以直接用一个longlongVal配合scale表达即longVal / 10^scale无需分配BigDecimal对象当精度超过 18 位时才退化为使用BigDecimal decimalVal完整保存。此外DecimalData实现了ComparableDecimalData并提供toBigDecimal()、toUnscaledLong()非紧凑时若不能精确装入 long 会抛出ArithmeticException等转换方法。这正是为什么RecordData.getDecimal(int pos, int precision, int scale)在取值时必须传入精度与小数位——框架需要依据(precision, scale)判断该值是否以紧凑形式存储见 RecordData.java 中对应方法注释。TimestampData毫秒 纳秒内余的不可变时间戳TIMESTAMP的内部表示 TimestampData 同样是不可变结构。其内部以两个字段描述时间点millisecond自1970-01-01 00:00:00UTC0以来的毫秒数nanoOfMillisecond毫秒内的纳秒余数范围0 ~ 999_999。构造函数会通过Preconditions.checkArgument校验纳秒余数范围。类上同样声明在数值足够小时可用紧凑表示以 long 存储。TimestampData提供toTimestamp()转java.sql.Timestamp与toLocalDateTime()转外部类型java.time.LocalDateTime等方法是连接器与 UDF 之间内外部转换的枢纽。同理ZonedTimestampData、LocalZonedTimestampData、DateData、TimeData分别对应带时区时间戳、本地时区时间戳、日期与时间的内部表示。RecordData承载整行数据的统一容器ROW类型以及整个DataChangeEvent的载荷都由 RecordData 承载。作为PublicEvolving接口它定义了一套按位置读取的只读访问器getArity()返回字段数量isNullAt(int pos)判断空值针对每种内部类型提供专用取值方法getBoolean/getByte/getShort/getInt/getLong/getFloat/getDouble/getBinary/getString/getDecimal(pos, precision, scale)/getTimestamp(pos, precision)/getDate/getTime/getArray/getMap/getRow(pos, numFields)/getVariant等。值得注意的是getDecimal、getTimestamp、getZonedTimestamp、getLocalZonedTimestampData、getRow等方法都要求调用方传入精度、小数位或字段数等类型元数据因为内部数据结构需要这些信息才能正确解析紧凑表示。RecordData的类注释中还内置了一张 SQL 类型到内部结构的映射表与本篇文档的类型对照表相互印证。RecordData的实现如 GenericRecordData 与二进制优化版本BinaryRecordData既服务于通用场景也服务于追求性能的二进制场景。FieldGetter类型感知的字段访问器工厂RecordData接口中还有一个对连接器开发者极有价值的内置工厂方法RecordData.createFieldGetter(DataType fieldType, int fieldPos)。它根据字段的DataTypeRoot如CHAR/VARCHAR、DECIMAL、TIMESTAMP_WITHOUT_TIME_ZONE、ROW等为指定位置生成对应的FieldGetter并在字段类型可空时自动包装isNullAt判空逻辑RecordData.java。在运行时模块中该机制被广泛复用例如 BinaryRecordDataExtractor 通过SchemaUtils.createFieldGetters(...)批量创建字段访问器把二进制记录高效地抽取为管道可用的字段列表。这意味着内部类型字段的读取不必手动按类型分支声明好DataType即可获得类型安全的取值器。Variant半结构化数据的原生表示VARIANT类型在表项中内外部表示均为org.apache.flink.cdc.common.types.variant.Variant。该类型位于 variant 包 下围绕它还有BinaryVariant二进制形态、BinaryVariantBuilder/VariantBuilder构建器与VariantTypeException等配套类型。它用于承载 JSON 等半结构化数据允许在无需预定义 schema 的情况下参与类型合并与转换例如通过 transform 文档 中描述的PARSE_JSON/TRY_PARSE_JSON函数将 JSON 字符串解析为 Variant。实战准则一编写 YAML Pipeline 连接器时的内部类型约束对于 Pipeline 源/目标连接器开发者核心准则是DataChangeEvent携带的是内部类型RecordData且其所有字段必须是内部类型的实例。这意味着字符串字段要用StringData通过StringData.fromString(...)等工厂方法构造而不是String十进制字段要用DecimalData时间戳字段要用TimestampData及其带时区变体复合字段要用ArrayData、MapData、RecordData构造并嵌套。遵守该约束可以保证变更事件在整个管道中被统一、高效地序列化包括二进制序列化路径并且能够被下游 Transform、Schema Evolution 等组件一致地消费。事件在写入时以内部类型表达读取时配合DataType元数据即可通过RecordData.FieldGetter完成类型安全地还原。实战准则二编写 Transform UDF 时的外部类型约束与连接器相反Transform UDF 的编写遵循外部类型规则eval方法的参数与返回值应当声明为表中右侧的 Java 外部类型。例如处理TIMESTAMP时参数声明为java.time.LocalDateTime处理DECIMAL时参数声明为java.math.BigDecimal处理ARRAY时参数声明为java.util.ListT。框架会在 UDF 调用边界处完成内部类型与外部类型之间的自动转换因此 UDF 内部可以直接使用熟悉的 JDK 类型进行运算无需关心DecimalData的紧凑表示或StringData的字节视图细节。UDF 的注册方式pipeline.user-defined-function块以及getReturnType()对返回 CDC 类型的声明详见 transform 文档 中的用户自定义函数一节——那里的AddOneFunctionClass示例正是用DataTypes.INT()声明返回类型、用Integer作为参数类型的典型实践。与周边核心概念的关系类型映射并非孤立存在它与 Flink CDC 的其他核心概念紧密咬合Transform 与类型转换CAST(expr AS T)的语义、NULLIF的跨数值类型比较、以及 UDF 求值全部建立在CDC 数据类型 → Java 外部类型的映射之上而事件在管道内部流转时则依赖内部类型表示。Schema Evolution类型合并type merging需要比较与融合不同版本的字段类型内部类型的统一表达是合并算法高效运行的前提。数据类型定义所有 CDC 数据类型DataTypes.INT()、DataTypes.TIMESTAMP()、DataTypes.ROW(...)等的工厂方法都在该文件中是理解类型体系的入口。小结Flink CDC 的双层类型设计——内部类型负责高效流转与序列化外部 Java 类型负责业务计算与类型合并——是连接器与 UDF 开发的基础契约。掌握 完整类型对照表区分StringData与String、DecimalData与BigDecimal、TimestampData与LocalDateTime的使用边界你就能在编写 Pipeline 连接器时正确构造RecordData载荷在编写 Transform UDF 时正确声明参数与返回值从而写出类型安全、性能可靠的数据集成代码。【免费下载链接】flink-cdcFlink CDC is a streaming data integration tool项目地址: https://gitcode.com/GitHub_Trending/flin/flink-cdc创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考