> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-detect-table-modification.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Introdução ao Apache Flink com ClickHouse # Conector Flink export const ClickHouseSupportedBadge = () => { return
Suportado pelo ClickHouse
; }; Este é o [Conector Sink oficial do Apache Flink](https://github.com/ClickHouse/flink-connector-clickhouse), com suporte da ClickHouse. Ele foi desenvolvido com o [AsyncSinkBase](https://cwiki.apache.org/confluence/display/FLINK/FLIP-171%3A+Async+Sink) do Flink e o [Java client](https://github.com/ClickHouse/clickhouse-java) oficial do ClickHouse. O conector oferece suporte à API DataStream do Apache Flink. O suporte à Table API está [planejado para um lançamento futuro](https://github.com/ClickHouse/flink-connector-clickhouse/issues/42).
## Requisitos
* Java 11+ (para o Flink 1.17+) ou 17+ (para o Flink 2.0+) * Apache Flink 1.17+ O conector foi dividido em dois artefatos para oferecer suporte ao Flink 1.17+ e ao Flink 2.0+. Escolha o artefato correspondente à versão do Flink que você deseja usar: | Flink Version | Artifact | ClickHouse Java Client Version | Required Java | | ------------- | -------------------------------- | ------------------------------ | ------------- | | latest | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ | | 2.0.1 | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ | | 2.0.0 | flink-connector-clickhouse-2.0.0 | 0.9.5 | Java 17+ | | 1.20.2 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ | | 1.19.3 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ | | 1.18.1 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ | | 1.17.2 | flink-connector-clickhouse-1.17 | 0.9.5 | Java 11+ | O conector não foi testado com versões do Flink anteriores à versão 1.17.2
## Instalação e configuração
### Importar como dependência
```maven theme={null} com.clickhouse.flink flink-connector-clickhouse-2.0.0 {{ stable_version }} all ``` ```gradle theme={null} dependencies { implementation("com.clickhouse.flink:flink-connector-clickhouse-2.0.0:{{ stable_version }}") } ``` ```sbt theme={null} libraryDependencies += "com.clickhouse.flink" % "flink-connector-clickhouse-2.0.0" % {{ stable_version }} classifier "all" ``` ```maven theme={null} com.clickhouse.flink flink-connector-clickhouse-1.17 {{ stable_version }} all ``` ```gradle theme={null} dependencies { implementation("com.clickhouse.flink:flink-connector-clickhouse-1.17:{{ stable_version }}") } ``` ```sbt theme={null} libraryDependencies += "com.clickhouse.flink" % "flink-connector-clickhouse-1.17" % {{ stable_version }} classifier "all" ```
### Baixe o binário
O padrão de nomenclatura do arquivo JAR binário é: ```bash theme={null} flink-connector-clickhouse-${flink_version}-${stable_version}-all.jar ``` onde: * `flink_version` é `2.0.0` ou `1.17` * `stable_version` é uma [versão estável do artefato](https://github.com/ClickHouse/flink-connector-clickhouse/releases) Você pode encontrar todos os arquivos JAR disponíveis já lançados no [Maven Central Repository](https://repo1.maven.org/maven2/com/clickhouse/flink/).
## Como usar a API do DataStream
### Trecho
Digamos que você queira inserir dados CSV brutos no ClickHouse: ```java theme={null} public static void main(String[] args) { // Configure o ClickHouseClient ClickHouseClientConfig clickHouseClientConfig = new ClickHouseClientConfig(url, username, password, database, tableName); // Crie um ElementConverter ElementConverter convertorString = new ClickHouseConvertor<>(String.class); // Crie o sink e defina o formato usando `setClickHouseFormat` ClickHouseAsyncSink csvSink = new ClickHouseAsyncSink<>( convertorString, MAX_BATCH_SIZE, MAX_IN_FLIGHT_REQUESTS, MAX_BUFFERED_REQUESTS, MAX_BATCH_SIZE_IN_BYTES, MAX_TIME_IN_BUFFER_MS, MAX_RECORD_SIZE_IN_BYTES, clickHouseClientConfig ); csvSink.setClickHouseFormat(ClickHouseFormat.CSV); // Por fim, conecte seu DataStream ao sink. final StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); Path csvFilePath = new Path(fileFullName); FileSource csvSource = FileSource .forRecordStreamFormat(new TextLineInputFormat(), csvFilePath) .build(); env.fromSource( csvSource, WatermarkStrategy.noWatermarks(), "GzipCsvSource" ).sinkTo(csvSink); } ``` Mais exemplos e trechos de código podem ser encontrados em nossos testes: * [flink-connector-clickhouse-1.17](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/flink-connector-clickhouse-1.17/src/test/java/org/apache/flink/connector/clickhouse/sink) * [flink-connector-clickhouse-2.0.0](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/flink-connector-clickhouse-2.0.0/src/test/java/org/apache/flink/connector/clickhouse/sink)
### Exemplo de início rápido
Criamos um exemplo baseado em Maven para facilitar os primeiros passos com o ClickHouse Sink: * [Flink 1.17+](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/examples/maven/flink-v1.7/covid) * [Flink 2.0.0+](https://github.com/ClickHouse/flink-connector-clickhouse/tree/main/examples/maven/flink-v2/covid) Para instruções mais detalhadas, consulte o [Guia de exemplos](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/examples/README.md)
### Opções de conexão com a API DataStream
#### Opções do cliente ClickHouse
| Parâmetros | Descrição | Valor padrão | Obrigatório | | --------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------- | ------------ | ----------- | | `url` | URL completa do ClickHouse | N/A | Sim | | `username` | Nome de usuário do banco de dados ClickHouse | N/A | Sim | | `password` | Senha do banco de dados ClickHouse | N/A | Sim | | `database` | Nome do banco de dados ClickHouse | N/A | Sim | | `table` | Nome da tabela ClickHouse | N/A | Sim | | `options` | Mapa de opções de configuração do Java client | Mapa vazio | Não | | `serverSettings` | Mapa de configurações de sessão do servidor ClickHouse | Mapa vazio | Não | | `enableJsonSupportAsString` | Configuração do servidor ClickHouse para esperar uma String formatada em JSON para o [tipo de dado JSON](/pt-BR/reference/data-types/newjson) | true | Não | `options` e `serverSettings` devem ser passados ao cliente como `Map`. Um mapa vazio em qualquer um deles usará os padrões do cliente ou do servidor, respectivamente. Todas as opções disponíveis do Java client estão listadas em [ClientConfigProperties.java](https://github.com/ClickHouse/clickhouse-java/blob/main/client-v2/src/main/java/com/clickhouse/client/api/ClientConfigProperties.java) e [nesta página da documentação](/pt-BR/integrations/language-clients/java/client#configuration). Todas as configurações de sessão disponíveis do servidor estão listadas [nesta página da documentação](/pt-BR/reference/settings/session-settings). Por exemplo: ```java theme={null} Map javaClientOptions = Map.of( ClientConfigProperties.CA_CERTIFICATE.getKey(), "", ClientConfigProperties.SSL_CERTIFICATE.getKey(), "", ClientConfigProperties.CLIENT_NETWORK_BUFFER_SIZE.getKey(), "30000", ClientConfigProperties.HTTP_MAX_OPEN_CONNECTIONS.getKey(), "5" ); Map serverSettings = Map.of( "insert_deduplicate", "1" ); ClickHouseClientConfig clickHouseClientConfig = new ClickHouseClientConfig( url, username, password, database, tableName, javaClientOptions, serverSettings, false // enableJsonSupportAsString ); ```
#### Opções do sink
As opções a seguir vêm diretamente do `AsyncSinkBase` do Flink: | Parâmetros | Descrição | Valor padrão | Obrigatório | | ---------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------ | ----------- | | `maxBatchSize` | Número máximo de registros inseridos em um único lote | N/A | Sim | | `maxInFlightRequests` | Número máximo de solicitações em andamento permitido antes de o sink aplicar backpressure | N/A | Sim | | `maxBufferedRequests` | Número máximo de registros que podem ficar em buffer no sink antes de o backpressure ser aplicado | N/A | Sim | | `maxBatchSizeInBytes` | Tamanho máximo (em bytes) que um lote pode atingir. Todos os lotes enviados serão menores ou iguais a esse tamanho | N/A | Sim | | `maxTimeInBufferMS` | Tempo máximo que um registro pode permanecer no sink antes de ser gravado | N/A | Sim | | `maxRecordSizeInBytes` | Tamanho máximo de registro que o sink aceitará; registros maiores que isso serão rejeitados automaticamente | N/A | Sim |
## Tipos de dados compatíveis
A tabela abaixo traz uma referência rápida para a conversão de tipos de dados ao inserir dados do Flink no ClickHouse. [//]: # "TODO: adicionar uma coluna \"Flink SQL Type\" assim que houver suporte à Table API " | Tipo Java | Tipo do ClickHouse | Suportado | Método de serialização | | ------------------- | ------------------ | --------- | ----------------------------- | | `byte`/`Byte` | `Int8` | ✅ | `DataWriter.writeInt8` | | `short`/`Short` | `Int16` | ✅ | `DataWriter.writeInt16` | | `int`/`Integer` | `Int32` | ✅ | `DataWriter.writeInt32` | | `long`/`Long` | `Int64` | ✅ | `DataWriter.writeInt64` | | `BigInteger` | `Int128` | ✅ | `DataWriter.writeInt128` | | `BigInteger` | `Int256` | ✅ | `DataWriter.writeInt256` | | `short`/`Short` | `UInt8` | ✅ | `DataWriter.writeUInt8` | | `int`/`Integer` | `UInt8` | ✅ | `DataWriter.writeUInt8 ` | | `int`/`Integer` | `UInt16` | ✅ | `DataWriter.writeUInt16` | | `long`/`Long` | `UInt32` | ✅ | `DataWriter.writeUInt32` | | `long`/`Long` | `UInt64` | ✅ | `DataWriter.writeUInt64` | | `BigInteger` | `UInt64` | ✅ | `DataWriter.writeUInt64` | | `BigInteger` | `UInt128` | ✅ | `DataWriter.writeUInt128` | | `BigInteger` | `UInt256` | ✅ | `DataWriter.writeUInt256` | | `BigDecimal` | `Decimal` | ✅ | `DataWriter.writeDecimal` | | `BigDecimal` | `Decimal32` | ✅ | `DataWriter.writeDecimal` | | `BigDecimal` | `Decimal64` | ✅ | `DataWriter.writeDecimal` | | `BigDecimal` | `Decimal128` | ✅ | `DataWriter.writeDecimal` | | `BigDecimal` | `Decimal256` | ✅ | `DataWriter.writeDecimal` | | `float`/`Float` | `Float` | ✅ | `DataWriter.writeFloat32` | | `double`/`Double` | `Double` | ✅ | `DataWriter.writeFloat64` | | `boolean`/`Boolean` | `Boolean` | ✅ | `DataWriter.writeBoolean` | | `String` | `String` | ✅ | `DataWriter.writeString` | | `String` | `FixedString` | ✅ | `DataWriter.writeFixedString` | | `LocalDate` | `Date` | ✅ | `DataWriter.writeDate` | | `LocalDate` | `Date32` | ✅ | `DataWriter.writeDate32` | | `LocalDateTime` | `DateTime` | ✅ | `DataWriter.writeDateTime` | | `ZonedDateTime` | `DateTime` | ✅ | `DataWriter.writeDateTime` | | `LocalDateTime` | `DateTime64` | ✅ | `DataWriter.writeDateTime64` | | `ZonedDateTime` | `DateTime64` | ✅ | `DataWriter.writeDateTime64` | | `int`/`Integer` | `Time` | ❌ | N/A | | `long`/`Long` | `Time64` | ❌ | N/A | | `byte`/`Byte` | `Enum8` | ✅ | `DataWriter.writeInt8` | | `int`/`Integer` | `Enum16` | ✅ | `DataWriter.writeInt16` | | `java.util.UUID` | `UUID` | ✅ | `DataWriter.writeIntUUID` | | `String` | `JSON` | ✅ | `DataWriter.writeJSON` | | `Array` | `Array` | ✅ | `DataWriter.writeArray` | | `Map` | `Map` | ✅ | `DataWriter.writeMap` | | `Tuple` | `Tuple` | ✅ | `DataWriter.writeTuple` | | `Object` | `Variant` | ❌ | N/A | Observações: * Um `ZoneId` deve ser fornecido ao realizar operações com data. * [Precisão e escala](/pt-BR/reference/data-types/decimal#decimal-value-ranges) devem ser fornecidas ao realizar operações decimais. * Para que o ClickHouse consiga interpretar uma String Java como JSON, é necessário habilitar `enableJsonSupportAsString` em `ClickHouseClientConfig`. * O conector requer um `ElementConvertor` para mapear elementos no `DataStream` de entrada para payloads do ClickHouse. Para isso, o conector fornece `ClickHouseConvertor` e `POJOConvertor`, que podem ser usados para implementar esse mapeamento com os métodos de serialização de `DataWriter` acima.
## Formatos de entrada suportados
Você pode encontrar a lista de formatos de entrada disponíveis do ClickHouse [nesta página da documentação](/pt-BR/reference/formats/index#formats-overview) e em [ClickHouseFormat.java](https://github.com/ClickHouse/clickhouse-java/blob/main/clickhouse-data/src/main/java/com/clickhouse/data/ClickHouseFormat.java). Para especificar o formato que o conector deve usar para serializar seu DataStream como payloads para o ClickHouse, use a função `setClickHouseFormat`. Por exemplo: ```java theme={null} ClickHouseAsyncSink csvSink = new ClickHouseAsyncSink<>( convertorString, MAX_BATCH_SIZE, MAX_IN_FLIGHT_REQUESTS, MAX_BUFFERED_REQUESTS, MAX_BATCH_SIZE_IN_BYTES, MAX_TIME_IN_BUFFER_MS, MAX_RECORD_SIZE_IN_BYTES, clickHouseClientConfig ); csvSink.setClickHouseFormat(ClickHouseFormat.CSV); ``` Por padrão, o conector usará [RowBinaryWithDefaults](/pt-BR/reference/formats/RowBinary/RowBinaryWithDefaults) ou [RowBinary](/pt-BR/reference/formats/RowBinary/RowBinary) caso `setSupportDefault` em `ClickHouseClientConfig` seja explicitamente definido como true ou false, respectivamente.
## Métricas
O conector expõe as seguintes métricas adicionais, além das métricas já existentes do Flink: | Métrica | Descrição | Tipo | Status | | --------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ---------- | ------ | | `numBytesSend` | Número total de bytes enviados ao ClickHouse no payload da requisição. *Observação: esta métrica mede o tamanho dos dados serializados enviados pela rede e pode diferir de `written_bytes` do ClickHouse em `system.query_log`, que reflete os bytes efetivamente gravados no armazenamento após o processamento* | Contador | ✅ | | `numRecordSend` | Número total de registros enviados ao ClickHouse | Contador | ✅ | | `numRequestSubmitted` | Número total de requisições enviadas (número real de flushes executados) | Contador | ✅ | | `numOfDroppedBatches` | Número total de lotes descartados devido a falhas não recuperáveis | Contador | ✅ | | `numOfDroppedRecords` | Número total de registros descartados devido a falhas não recuperáveis | Contador | ✅ | | `totalBatchRetries` | Número total de novas tentativas de lote devido a falhas recuperáveis | Contador | ✅ | | `writeLatencyHistogram` | Histograma da distribuição da latência de gravações bem-sucedidas (ms) | Histograma | ✅ | | `writeFailureLatencyHistogram` | Histograma da distribuição da latência de gravações com falha (ms) | Histograma | ✅ | | `triggeredByMaxBatchSizeCounter` | Número total de flushes acionados ao atingir `maxBatchSize` | Contador | ✅ | | `triggeredByMaxBatchSizeInBytesCounter` | Número total de flushes acionados ao atingir `maxBatchSizeInBytes` | Contador | ✅ | | `triggeredByMaxTimeInBufferMSCounter` | Número total de flushes acionados ao atingir `maxTimeInBufferMS` | Contador | ✅ | | `actualRecordsPerBatch` | Histograma da distribuição do tamanho real do lote | Histograma | ✅ | | `actualBytesPerBatch` | Histograma da distribuição real de bytes por lote | Histograma | ✅ | [//]: # "| actualTimeInBuffer | Histograma da distribuição do tempo real no buffer antes do flush | Histograma | ❌ |"
## Limitações
* No momento, o sink oferece uma garantia de entrega at-least-once. O suporte à semântica exactly-once está sendo acompanhado [aqui](https://github.com/ClickHouse/flink-connector-clickhouse/issues/106). * O sink ainda não oferece suporte a uma fila de dead-letter (DLQ) para armazenar temporariamente registros que não podem ser processados. Enquanto isso, o conector tentará reinserir os registros com falha e os descartará em caso de insucesso. Esse recurso está sendo acompanhado [aqui](https://github.com/ClickHouse/flink-connector-clickhouse/issues/105). * O sink ainda não oferece suporte à criação por meio da Table API do Flink ou do Flink SQL. Esse recurso está sendo acompanhado [aqui](https://github.com/ClickHouse/flink-connector-clickhouse/issues/42).
## Compatibilidade de versões do ClickHouse e segurança
* O conector é testado diariamente, por meio de um workflow de CI, com uma variedade de versões recentes do ClickHouse, incluindo latest e head. As versões testadas são atualizadas periodicamente à medida que novos lançamentos do ClickHouse entram em atividade. Veja [aqui](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/.github/workflows/tests-nightly.yaml#L15) as versões com as quais o conector é testado diariamente. * Consulte a [política de segurança do ClickHouse](https://github.com/ClickHouse/ClickHouse/blob/master/SECURITY.md#security-change-log-and-support) para ver vulnerabilidades de segurança conhecidas e como relatar uma vulnerabilidade. * Recomendamos atualizar o conector continuamente para não perder correções de segurança e outras melhorias. * Se você tiver algum problema com a migração, crie uma [issue](https://github.com/ClickHouse/flink-connector-clickhouse/issues) no GitHub e responderemos! * Para obter o melhor desempenho, garanta que o tipo de elemento do seu DataStream **não** seja um tipo genérico — veja [aqui a distinção de tipos do Flink](https://nightlies.apache.org/flink/flink-docs-release-2.2/docs/dev/datastream/fault-tolerance/serialization/types_serialization/#flinks-typeinformation-class). Elementos não genéricos evitam a sobrecarga de serialização do Kryo e melhoram a vazão para o ClickHouse. * Recomendamos definir `maxBatchSize` para pelo menos 1000 e, idealmente, entre 10.000 e 100.000. Veja [este guia sobre inserções em massa](/pt-BR/concepts/features/operations/insert/bulkinserts) para mais informações. * Para fazer desduplicação no estilo OLTP ou upsert no ClickHouse, consulte [esta página da documentação](/pt-BR/concepts/features/operations/insert/deduplication#options-for-deduplication). *Observação: isso não deve ser confundido com a desduplicação em lote que ocorre em novas tentativas.*
## Solução de problemas
### CANNOT\_READ\_ALL\_DATA
O erro a seguir pode ocorrer: ```text theme={null} com.clickhouse.client.api.ServerException: Code: 33. DB::Exception: Cannot read all data. Bytes read: 9205. Bytes expected: 1100022.: (at row 9) : While executing BinaryRowInputFormat. (CANNOT_READ_ALL_DATA) ``` **Causa**: Na maioria dos casos, o erro CANNOT\_READ\_ALL\_DATA significa que o schema da sua table do ClickHouse divergiu do schema do registro no Flink. Isso pode acontecer quando um deles é alterado de uma forma incompatível com versões anteriores. **Solução**: Atualize o schema da sua table do ClickHouse ou o tipo de dado de entrada do conector (ou ambos) para que sejam compatíveis. Se necessário, consulte o [mapeamento de tipos](#inserting-data-from-flink-into-clickhouse) para ver como mapear tipos Java para tipos do ClickHouse. *Observação: se ainda houver registros em trânsito, você precisará redefinir o state do Flink ao reiniciar o conector.*
### Baixa vazão
Você pode notar que a vazão do conector não escala com o paralelismo do job (número de tasks do Flink) ao gravar no ClickHouse. **Causa**: o [processo de merge de parts em segundo plano](/pt-BR/concepts/core-concepts/merges) do ClickHouse pode estar reduzindo a velocidade das inserções. Isso pode acontecer quando o tamanho de lote configurado é muito pequeno, o conector está fazendo flush com muita frequência, ou por uma combinação dos dois fatores. **Solução**: monitore as métricas `numRequestSubmitted` e `actualRecordsPerBatch` para ajudar a determinar como ajustar o tamanho do lote (`maxBatchSize`) e a frequência de flush. Além disso, consulte [Uso avançado e recomendado](#advanced-and-recommended-usage) para recomendações de dimensionamento de lote. [//]: # "TODO: descomente esta seção quando https://github.com/ClickHouse/flink-connector-clickhouse/issues/121 for fechado" [//]: # "### Vejo batches duplicados de linhas na minha tabela do ClickHouse {#duplicate_batches}" [//]: # [//]: # "**Causa**: se um ou mais registros em um lote do Flink falharem ao ser inseridos no ClickHouse devido a uma falha passível de retry, o conector tentará novamente o **lote inteiro**. Se a [desduplicação de inserts](https://clickhouse.com/docs/guides/developer/deduplicating-inserts-on-retries#query-level-insert-deduplication) estiver desabilitada, isso poderá resultar em registros duplicados na sua tabela do ClickHouse. Caso contrário, é possível que a janela de desduplicação ou sua duração sejam pequenas demais e que os blocos expirem antes que o conector tente enviá-los novamente." [//]: # [//]: # "**Solução**:" [//]: # "- Se sua tabela estiver usando um engine de tabela `Replicated*MergeTree`:" [//]: # " 1. garanta que a configuração de sessão do servidor `insert_deduplicate=1` esteja definida (consulte o [exemplo](#client-options) acima para ver como defini-la, se necessário). Observe que `insert_deduplicate` vem habilitada por padrão para tabelas replicadas." [//]: # " 2. se necessário, aumente uma ou ambas as configurações de tabela do `MergeTree` [`replicated_deduplication_window`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#replicated_deduplication_window) ou [`replicated_deduplication_window_seconds`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#replicated_deduplication_window_seconds)." [//]: # "- Se sua tabela estiver usando um engine de tabela `*MergeTree` não replicado, aumente a configuração de tabela do `MergeTree` [`non_replicated_deduplication_window`](https://clickhouse.com/docs/operations/settings/merge-tree-settings#non_replicated_deduplication_window)." [//]: # [//]: # "_Nota 1: esta solução depende de [inserções síncronas](https://clickhouse.com/docs/best-practices/selecting-an-insert-strategy#synchronous-inserts-by-default), o que é recomendado para uso com o conector do Flink. Garanta que a configuração de sessão do servidor `async_insert=0` esteja definida._" [//]: # [//]: # "_Nota 2: um valor alto para `(non_)replicated_deduplication_window` pode deixar as inserções mais lentas porque mais entradas precisam ser comparadas._"
### Faltam linhas na minha tabela do ClickHouse
**Causa**: O(s) lote(s) foi(foram) descartado(s) devido a uma falha não recuperável ou porque não pôde(ram) ser inserido(s) dentro do número configurado de tentativas (configurável via `ClickHouseClientConfig.setNumberOfRetries()`). *Observação: por padrão, o conector tentará reinserir um lote em até 3 tentativas antes de descartá-lo.* **Solução**: Inspecione os logs do TaskManager e/ou os stack traces para identificar a causa raiz.
## Contribuição e suporte
Se você quiser contribuir com o projeto ou relatar algum problema, sua colaboração será muito bem-vinda! Visite nosso [repositório no GitHub](https://github.com/ClickHouse/flink-connector-clickhouse) para abrir uma issue, sugerir melhorias ou enviar um pull request. Contribuições são bem-vindas! Consulte o [guia de contribuição](https://github.com/ClickHouse/flink-connector-clickhouse/blob/main/CONTRIBUTING.md) no repositório antes de começar. Obrigado por ajudar a melhorar o conector do ClickHouse para Flink!