提问背景
企业常需将数据库数据导入大数据平台进行分析。OceanBase提供JDBC驱动和DataX工具，但在与Spark/Flink集成时，如何提升并行读取/写入吞吐、如何避免对在线业务造成冲击，缺乏系统性指导。尤其LSM树结构对实时流式写入的影响需深入分析。
具体问题
- 使用Flink CDC连接OceanBase时，是否有官方连接器？若无，基于Debezium的替代方案成熟度如何？
- 在Spark批量读取时，如何利用OceanBase的分区信息进行分片并行读取？有哪些参数可以调整（如fetch size、分区键选择）以最大化吞吐？
- 对于实时写入（如Flink流式写入），OceanBase的LSM结构是否会导致写入放大或写入停顿？有无推荐配置（如内存比例、合并策略）来平衡写入性能与查询稳定性？
- 与DataX旁路导入相比，JDBC批量写入在性能上有何差距？在什么场景下应选择哪种方式？
问题价值
大数据集成是数据平台建设核心，该问题直击开发者实际痛点，推动OceanBase生态工具链的完善，并为用户提供可操作的调优建议。