1. 首先，需要使用AWS Kinesis Data Analytics以及PyFlink来处理嵌套JSON数据。
2. 首先，需要使用AWS Kinesis Data Analytics来引导数据流，并预处理数据流输入，示例代码如下：

CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (col1 INTEGER, col2 VARCHAR(16), JSON_DATA VARCHAR(MAX));
CREATE OR REPLACE PUMP "STREAM_PUMP" AS INSERT INTO "DESTINATION_SQL_STREAM"  SELECT  col1, col2, TO_BASE64(TO_JSON(get_json_object(JSON_DATA, '$'))) FROM "SOURCE_SQL_STREAM_001";

3. 接下来，需要使用PyFlink来对嵌套JSON数据做相关的处理。首先需要安装pyflink和jsonpath_ng库:

pip install apache-flink
pip install jsonpath_ng

4.然后，需要对代码中的嵌套JSON数据进行扁平化处理。这可以通过以下步骤实现：

a) 将嵌套的JSON数据转换为Python对象：

import json
from pyflink.common.serialization import SimpleStringSchema
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.datastream.connectors import FlinkKinesisProducer
from jsonpath_ng import parse

env = StreamExecutionEnvironment.get_execution_environment()  
source_stream = env.add_source(flink_consumer)

data_stream = source_stream.map(lambda x: json.loads(x)) 

b) 通过jsonpath_ng库筛选原始JSON数据并创建新列：

 parser = parse('$.prop1')
 data_stream = data_stream.map(lambda x: (x, [match.value for match in parser.find(x)]))

c) 将嵌套对象中的所有键/值对移动到单个JSON对象中：

def flatten(data):
    for key, value in data.items():
        if isinstance(value, dict):
            for inner_key, inner_value in flatten(value).items():
                yield key + "." + inner_key, inner_value
        elif isinstance(value, list):
            for remaining in value