本文探讨了在Kafka和Flink数据管道中，由于一对一的event-to-schema映射导致的Schema过度扩张问题。随着事件类型增多，下游查询变得复杂、维护成本上升、schema漂移频发。作者提出了基于判别器（discriminator）的schema合并模式：将具有80-95%结构重叠的多个schema合并为一个统一schema，通过枚举字段标识事件变体，并使用可空属性块承载变体特定数据。此方法可将十几张表压缩至一两张，消费者查询免去跨表UNION操作。文章以拼车场景为例，详细展示了合并schema的设计、Flink管道中的两层适配器实现（纯转换逻辑层与框架集成层），并讨论了schema演化（通过Avro的可空块和完整兼容性模式）、权衡（记录变宽、治理开销、调试习惯变化）以及不适用的场景。最后指出，对于结构高度重叠且常被一起查询的事件类型，尽早合并schema可显著降低长期维护复杂性。