我今天是用flink-cdc 3.5.0 和flink-2.2.0 配合是用，结果出现报错：
Flink SQL> [ERROR] Could not execute SQL statement. Reason:
java.lang.ClassNotFoundException: org.apache.flink.streaming.api.functions.source.SourceFunction
结果查询flink source connection 的flink-cdc-3.5.0 最高对应flink 1.20.0 不能是用flink 2.X的版本，只能降级！
flink-cdc和flink版本对应：
https://nightlies.apache.org/flink/flink-cdc-docs-release-3.5/zh/docs/connectors/flink-sources/overview/
Apache顶级项目 doris 实时数仓用于实时大屏，文档链接（doris最早为百度开源）
https://doris.apache.org/zh-CN/docs/4.x/install/deploy-manually/separating-storage-compute-deploy-manually
要“实时+多表+高并发”统一出口 → Doris
要“开放湖仓，任意引擎读写同一份数据” → Iceberg
要“离线批、AI、复杂算法” → Spark
要“传统离线仓、强安全” → Hive
SeaTunnel和flink-cdc的功能区别：
SeaTunnel 是“全能型、多引擎、批流一体”的数据集成框架；Flink CDC 是“专精型、只跑在 Flink 上的实时数据库变更捕获工具”。二者都能做 CDC，但定位、覆盖场景、资源开销、使用入口完全不同。
下面按最新社区资料（2025-03 以后）把核心差异列清 [^0^]：
1.
功能边界
SeaTunnel：100+ 连接器，离线全量 / 实时 CDC / 整库同步 / 断点续传 / 自动建表 / 数据转换一站式完成；既可用 Flink/Spark 做引擎，也可用自己原生的 Zeta 引擎。
Flink CDC：仅围绕“数据库→消息/仓库”的实时日志捕获，连接器 10 余种；复杂 ETL 需再写 Flink SQL/DataStream。
2.
引擎依赖
SeaTunnel：无强制依赖，可插拔切换 Flink/Spark/Zeta。
Flink CDC：必须整套 Flink 集群；离线批任务也要走 Flink 执行，资源消耗高 [^2^]。
3.
配置 & 上手
SeaTunnel：一份 HOCON/YAML 声明源、转换、目标即可提交；可视化界面也在快速完善。
Flink CDC：3.0 起支持 YAML，但仍属 Flink 生态，需要理解 checkpoint、并行度、savepoint 等 Flink 概念。
4.
资源占用
SeaTunnel：Zeta 模式下共享 JDBC 连接、无中心化架构，内存比 DataX 少 40–80%，比 Flink CDC 场景省 30–50% [^3^]。
Flink CDC：每个作业独占 Flink slot，细粒度实时计算强，但空跑也要留 TM/JobManager 资源。
5.
适用场景速查
选 SeaTunnel：
– 要“离线+实时”统一平台；
– 数据源多（DB、NoSQL、湖、仓、SAAS）；
– 想低资源、一键整库同步；
– 需要跨引擎（测试 Spark、生产 Flink）复用同一套配置。
选 Flink CDC：
– 已深度落地 Flink，需要毫秒级延迟；
– 下游要继续用 Flink 做 CEP、窗口、双流 join；
– 只关心“数据库变更→Kafka/Doris/ES”这一条实时链路。
一句话总结：
“想要大而全、轻量快速上线”→ SeaTunnel；“只要实时 CDC、且后面就是 Flink 流计算”→ Flink CDC [^4^]。