Dinky 实时计算平台系列（一）Dinky介绍

最近在写paimon相关的文档，由于paimon与flink关联性比较强，因此这里在中间做一个小插曲，也就是介绍下这个Dlink。

相信正在做大数据开发相关的同学，都比较清楚这个Dlink神器，这是一个在日常工作中使用频率非常高的实时计算平台，他融合了开发，测试，运维这一体系相关的功能，使我们可以不用再频繁的创建maven项目来编写flink相关的代码了。本文的话，我们介绍下这个Dinky实时计算平台。

Dinky是什么？

Dinky其实可以看做是一个国内的个人开源项目，但是他的影响力确实非常大的，git地址是：Dinky代码地址。Dinky的官网是：Dinky官网。从官网的介绍来看，Dinky是什么呢？我们来看一下：

实时即未来，Dinky 为 Apache Flink 而生，让 Flink SQL 纵享丝滑。
Dinky 是一个开箱即用、易扩展，以 Apache Flink 为基础，连接 OLAP 和数据湖等众多框架的一站式实时计算平台，致力于流批一体和湖仓一体的探索与实践。

Dinky的核心特点

上面我们提到Dinky是一个实时计算平台，同时与Flink进行绑定，那么他有什么特点呢？下面来介绍一下：

支持 Flink 原生语法、连接器、UDF 等： 几乎零成本将 Flink 作业迁移至 Dinky。
增强 FlinkSQL 语法： 表值聚合函数、全局变量、CDC多源合并、执行环境、语句合并等。
支持 Flink 多版本： 支持作为多版本 FlinkSQL Server 的能力以及 OpenApi。
支持外部数据源的 DB SQL 操作： 如 ClickHouse、Doris、Hive、Mysql、Oracle、Phoenix、PostgreSql、Presto、SqlServer、StarRocks 等。
支持实时任务运维： 作业上线下线、作业信息、集群信息、作业快照、异常信息、作业日志、数据地图、即席查询、历史版本、报警记录等。

Dinky有哪些功能？

这里Dinky有5个核心的特点，那么这里肯定会有很多功能的，到底有哪些功能呢？下面来列举一下：

沉浸式 FlinkSQL 数据开发：自动提示补全、语法高亮、语句美化、在线调试、语法校验、执行计划、MetaStore、血缘分析、版本对比等
支持 FlinkSQL 多版本开发及多种执行模式：Local、Standalone、Yarn/Kubernetes Session、Yarn Per-Job、Yarn/Kubernetes Application
支持 Apache Flink 生态：Connector、FlinkCDC、Table Store 等
支持 FlinkSQL 语法增强：表值聚合函数、全局变量、执行环境、语句合并、整库同步等
支持 FlinkCDC 整库实时入仓入湖、多库输出、自动建表、模式演变
支持 Flink Java / Scala / Python UDF 开发与自动提交
支持 SQL 作业开发：ClickHouse、Doris、Hive、Mysql、Oracle、Phoenix、PostgreSql、Presto、SqlServer、StarRocks 等
支持实时在线调试预览 Table、 ChangeLog、统计图和 UDF
支持 Flink Catalog、数据源元数据在线查询及管理
支持自动托管的 SavePoint/CheckPoint 恢复及触发机制：最近一次、最早一次、指定一次等
支持实时任务运维：上线下线、作业信息、集群信息、作业快照、异常信息、数据地图、数据探查、历史版本、报警记录等
支持作为多版本 FlinkSQL Server 以及 OpenApi 的能力
支持实时作业报警及报警组：钉钉、微信企业号、飞书、邮箱等
支持多种资源管理：集群实例、集群配置、Jar、数据源、报警组、报警实例、文档、系统配置等
支持企业级管理功能：多租户、用户、角色、命名空间等
更多隐藏功能等待小伙伴们探索

备注：

Dinky目前在大数据开发这块使用率非常高，大家一定要熟悉这个工具。
Dinky可以让我们少写很多项目，只需要专注核心代码即可，大家一定要熟悉这个工具。