要在Flink中读取多个Kafka topic，可以使用Flink Kafka Consumer来实现。以下是一个示例代码，演示如何读取多个Kafka topic：

import org.apache.flink.api.common.serialization.SimpleStringSchema;import org.apache.flink.streaming.api.datastream.DataStream;import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;import java.util.Arrays;import java.util.List;import java.util.Properties;public class ReadMultipleKafkaTopics {public static void main(String[] args) throws Exception {// 设置执行环境StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();// 设置Kafka相关配置Properties properties = new Properties();properties.setProperty("bootstrap.servers", "localhost:9092");// 定义要读取的Kafka topic列表List<String> topics = Arrays.asList("topic1", "topic2", "topic3");// 创建Flink Kafka ConsumerFlinkKafkaConsumer<String> kafkaConsumer = new FlinkKafkaConsumer<>(topics, new SimpleStringSchema(), properties);// 从Kafka读取数据DataStream<String> kafkaDataStream = env.addSource(kafkaConsumer);// 对从Kafka读取的数据进行处理kafkaDataStream.print();// 执行作业env.execute("ReadMultipleKafkaTopics");}}

在上面的代码中，我们首先创建了一个Flink的执行环境（StreamExecutionEnvironment），然后设置了Kafka的相关配置，包括Kafka的地址和要读取的Kafka topic列表。接着创建了一个Flink Kafka Consumer，并指定要读取的topic列表、序列化方式（这里使用SimpleStringSchema）和Kafka的配置。最后通过env.addSource()方法将Kafka Consumer添加到Flink的执行环境中，并对从Kafka读取的数据进行处理。最后调用env.execute()方法执行作业。

通过这种方式，我们可以轻松地在Flink中读取多个Kafka topic，并对数据进行处理。