Hi Rui Li,
> FlinkSQL允许一个Session使用多个Catalog，所以Catalog的选择不是互斥的，可以混用。
一个job里面可以切换catalog的是吧，比如从读kafka中 写hive 的 db1.hive_table。
几个问题请教一下：
1.create kafka source 使用 memory catalog,hive table 使用hive catalog，这样是可以的吧
2.在sql里面切换catalog的语法是什么，在[1]里面没看到，是这样吗 USE CATALOG
catalogName(default_catalog/hive_catalog)
3.在注册hivecatalog时，需要指定一个默认的database，比如指定了默认test，然后要写到db1的hive_table,是不是切换一下database即可。
USE db1;
感谢
[1]https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/catalogs.html
> 2020年11月23日 下午8:52，Rui Li <[email protected]> 写道：
>
> Hi,
>
> FlinkSQL允许一个Session使用多个Catalog，所以Catalog的选择不是互斥的，可以混用。
>
> 关于你的两个问题：
> 1. 我理解JDBC Catalog主要是为了方便用户查询JDBC的表，目前的实现应该基本是个只读的Catalog
> [1]，文档也许是可以说的更明确一些。
> 2.
> 我觉得要实现一个完整的、生产可用的元数据管理系统都不会太“简单”，能读写schema只是最基础的要求，是否支持并发访问、如何支持HA、如何保证元数据安全都是需要考虑的问题。而hive
> metastore已经有比较多的人在用了，所以借助它来持久化元数据是个性价比比较高的选择。
>
> [1]
> https://ci.apache.org/projects/flink/flink-docs-release-1.11/dev/table/connectors/jdbc.html#postgres-database-as-a-catalog
>
> On Mon, Nov 23, 2020 at 7:41 PM 赵一旦 <[email protected]> wrote:
>
>> 目前Flink提供memory、jdbc、hive这3种catalog。
>> 感觉实际使用中，可以使用如下几种方案。
>>
>> （1）选择memory catalog，然后每次sql都带上自己的相关DDL。
>> （2）选择某种catalog，支持“持久化”DDL定义，然后具体sql就不需要带上自己相关的DDL了。
>>
>> 方案1和方案2各有优缺点。
>> 方案1的优点：
>> 比如sql1和sql2都只针kafka topic的部分时间段范围，这种情况某个kafka
>>
>> topic就不方便写死DDL（持久化），而应该每个SQL自带一个定义。（当然，使用方案2也是可以基于options的覆盖方式简化sql1和sql2自带DDL定义的语句的）
>> 方案1的缺点：
>> 很明显，不支持“持久化”本身就是缺点，这也是方案2的优点。
>>
>> -----然后，我的问题来了。
>>
>> 在Flink文档中，HiveCatalog写了其作用是作为flink表元数据，同时也是作为读取hive表元数据的接口。而在JdbcCatalog中没写其支持的表类型（Connect类型）。
>> 问题1（如上）没针对每个catalog写清楚其支持的connector类型，即表类型。
>>
>>
>> 问题2：能否提供一个更简单方便的支持持久化，且支持所有connector类型的catalog的实现。“简单”指的是比如通过Mysql/PostgreSQL什么的，再或者直接json文件作为存储都可以。“持久化”即可以持久化。
>>
>>
>> 当然，考虑到hive这种元数据使用其他存储可能需要额外复杂的转化，我感觉至少应该搞个相对通用的catalog，比如支持（mysql表，kafka表（kafka元数据很简单，用mysql啥的肯定能存储吧），...）。
>>
>
>
> --
> Best regards!
> Rui Li
