Flink SQL 通过 JDBC 连接表的 DDL 语句
primary key (tenant_id,sku_code) not enforced'url'='jdbc:my SQL ://ip:3306/database_name','table-name'='table_name' 上述案例中涉及到的就是主要的连接参数，更多的参数设置还有
连接器参数 #
参数 | 是否必填 | 默认值 | 类型 | 描述 |
connector | 必填 | (none) | String | 指定使用什么类型的连接器，这里应该是’jdbc’。 |
url | 必填 | (none) | String | JDBC 数据库 url。 |
table-name | 必填 | (none) | String | 连接到 JDBC 表的名称。 |
driver | 可选 | (none) | String | 用于连接到此 URL 的 JDBC 驱动类名，如果不设置，将自动从 URL 中推导。 |
username | 可选 | (none) | String | JDBC 用户名。如果指定了 ‘username’ 和 ‘password’ 中的任一参数，则两者必须都被指定。 |
password | 可选 | (none) | String | JDBC 密码。 |
connection.max-retry-timeout | 可选 | 60s | Duration | 最大重试超时时间，以秒为单位且不应该小于 1 秒。 |
scan.partition.column | 可选 | (none) | String | 用于将输入进行分区的列名。请参阅下面的分区扫描部分了解更多详情。 |
scan.partition.num | 可选 | (none) | Integer | 分区数。 |
scan.partition.lower-bound | 可选 | (none) | Integer | 第一个分区的最小值。 |
scan.partition.upper-bound | 可选 | (none) | Integer | 最后一个分区的最大值。 |
scan.fetch-size | 可选 | 0 | Integer | 每次循环读取时应该从数据库中获取的行数。如果指定的值为 ‘0’，则该配置项会被忽略。 |
scan.auto-commit | 可选 | true | Boolean | 在 JDBC 驱动程序上设置 auto-commit 标志， 它决定了每个语句是否在事务中自动提交。有些 JDBC 驱动程序，特别是 Postgres，可能需要将此设置为 false 以便流化结果。 |
lookup.cache.max-rows | 可选 | (none) | Integer | lookup cache 的最大行数，若超过该值，则最老的行记录将会过期。 默认情况下，lookup cache 是未开启的。请参阅下面的 Lookup Cache 部分了解更多详情。 |
lookup.cache.ttl | 可选 | (none) | Duration | lookup cache 中每一行记录的最大存活时间，若超过该时间，则最老的行记录将会过期。 默认情况下，lookup cache 是未开启的。请参阅下面的 Lookup Cache 部分了解更多详情。 |
lookup.cache.caching-missing-key | 可选 | true | Boolean | 标记缓存丢失的键，默认为true |
lookup.max-retries | 可选 | 3 | Integer | 查询数据库失败的最大重试时间。 |
sink.buffer-flush.max-rows | 可选 | 100 | Integer | flush 前缓存记录的最大值，可以设置为 ‘0’ 来禁用它。 |
sink.buffer-flush.interval | 可选 | 1s | Duration | flush 间隔时间，超过该时间后异步线程将 flush 数据。可以设置为 ‘0’ 来禁用它。注意, 为了完全异步地处理缓存的 flush 事件，可以将 ‘sink.buffer-flush.max-rows’ 设置为 ‘0’ 并配置适当的 flush 时间间隔。 |
sink.max-retries | 可选 | 3 | Integer | 写入记录到数据库失败后的最大重试次数。 |
sink.parallelism | 可选 | (none) | Integer | 用于定义 JDBC sink 算子的并行度。默认情况下，并行度是由框架决定：使用与上游链式算子相同的并行度。 |
当然也可以在官网中查看更多的jdbc连接的参数配置和使用方法
这里最主要要说的注意点就是primary key的设置：
在上面的案例中设置的primary key是（sku_code,tenent_id）联合主键来保证数据唯一性，如果你jdbc连接的表示当做source表primary key和原表一样或者指定一个就可，但是如果是要作为sink表则需要注意，必须要保证同一批次写入的数据中primary key必须是唯一的，否则会因为主键的存在丢失数据。
在测试中只有一个tenant_id作为主键，当两条数据具有相同的tenant_id数据同时处理时就会出现数据丢失一条。
如官网中的解释
当写入数据到外部数据库时，Flink 会使用 DDL 中定义的主键。如果定义了主键，则连接器将以 upsert 模式工作，否则连接器将以 append 模式工作。
在 upsert 模式下，Flink 将根据主键判断插入新行或者更新已存在的行，这种方式可以确保幂等性。为了确保输出结果是符合预期的，推荐为表定义主键并且确保主键是底层数据库中表的唯一键或主键。在 append 模式下，Flink 会把所有记录解释为 INSERT 消息，如果违反了底层数据库中主键或者唯一约束，INSERT 插入可能会失败。
有关 PRIMARY KEY 语法的更多详细信息，请参见 CREATE TABLE DDL。
这里要注意的是如果你的数据来源是通过Flink CDC则必须要指定主键，否则会报如下错误
[ERROR] Could not execute SQL statement . Reason:java.lang.IllegalState Exception : please declare primary key for sink table when query contains update/delete record. 如果是数据来源为 kafka 无更新和删除则可以不指定主键。
