在 Flink CDC 中，目前还没有专门用于支持表的非阻塞全量抽取的功能。然而，Flink CDC 提供了一些其他功能来处理表的变化和数据抽取：

1. 增量变更捕获：Flink CDC 基于日志的变更数据捕获（如使用 Debezium Connector）可以实时捕获表中的增量变更，并将其作为事件流传递给下游任务进行处理。这种方式可以实现近实时的数据同步。

2. 快照读取：Flink CDC 支持从数据库中进行快照读取，以获取表的当前数据状态。这样可以在任务启动时对表进行全量读取，然后再处理增量变更。尽管这可能会阻塞一段时间，但不会阻塞全量抽取过程。

3. 自定义处理逻辑：通过使用 Flink 的灵活编程模型，你可以编写自定义的数据处理逻辑来实现特定的需求。例如，可以结合 Flink CDC 和其他库来实现类似非阻塞全量抽取的功能。

需要注意的是，Flink CDC 主要关注于增量数据变更的捕获和处理，而全量抽取通常需要考虑到数据库的规模、网络带宽等因素。如果你的需求是频繁进行全量抽取并且对延迟有严格要求，可能需要考虑其他专门用于全量抽取的工具或技术。

在Flink CDC中，2.4版本的增量抽取功能可以与全量抽取功能结合使用，实现不阻塞增量抽取和全量抽取。具体实现方式是使用Flink CDC提供的Snapshot Splitting功能，将全量抽取任务拆分成多个子任务，每个子任务处理部分数据，并在处理完成后释放资源，以避免阻塞增量抽取任务。
在Flink CDC 2.4版本中，可以通过以下方式启用Snapshot Splitting功能：
在Flink CDC的配置文件（如flink-conf.yaml）中，添加以下配置：
Copy

启用Snapshot Splitting功能

flink.snapshot-splitting.enabled: true

设置Snapshot Splitting的最大并行度

flink.snapshot-splitting.max-parallelism: 4
在Flink CDC任务中，通过设置snapshot.split.size参数来指定每个子任务处理的数据量，例如：
java
Copy
// 创建MySQL CDC数据源
JdbcSource mysqlSource = JdbcSource.builder()
.setDrivername("com.mysql.jdbc.Driver")
.setDBUrl("jdbc:mysql://localhost:3306/test")
.setUsername("root")
.setPassword("root")
.setFetchSize(1024)
.setRowConverter(new DebeziumJsonRowConverter(schema))
// 设置Snapshot Splitting的每个子任务处理的数据量
.setSourcePartitionDiscoveryInterval(Duration.ofSeconds(10))
.setScanIncrementalSnapshot(true)
.setSnapshotSplitSize(100000)
.build();

// 创建Flink流处理作业
DataStream mysqlStream = env.addSource(mysqlSource);
// ...
env.execute("Sync MySQL to Elasticsearch");
在上述示例代码中，通过设置setSnapshotSplitSize(100000)来指定每个子任务处理的数据量为10万条。可以根据实际情况调整这个参数，以达到最优的性能和抽取效果。

Flink CDC 2.4版本已经支持全量抽取的功能。