在Apache Flink 1.11中，Java Flink Streaming Job无法直接使用Python UDF。但是，可以通过以下方法解决这个问题：

1. 首先，确保你已经正确安装了Python环境，并且可以在Flink集群的所有机器上运行Python脚本。可以通过在集群上执行以下命令来验证Python是否可用：

   $ flink run -py your_python_script.py
   

2. 创建一个Python脚本，其中包含你的Python UDF逻辑。例如，假设你有一个名为my_python_udf.py的脚本，其中包含以下内容：

   import pandas as pd
   
   def my_python_udf(value):
       # 执行你的UDF逻辑
       return value * 2
   

3. 在Java Flink Streaming Job中，使用PythonFunction来调用Python UDF。以下是一个简单的示例代码：

   import org.apache.flink.table.functions.ScalarFunction;
   import org.apache.flink.table.functions.python.PythonFunction;
   
   public class MyJavaStreamingJob {
       public static void main(String[] args) throws Exception {
           StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
           StreamTableEnvironment tEnv = StreamTableEnvironment.create(env);
   
           // 注册Python UDF
           tEnv.registerFunction("my_python_udf", new PythonFunction("python", "my_python_udf"));
   
           // 创建并注册表
           tEnv.executeSql("CREATE TABLE myTable (value INT) WITH (...)");
   
           // 执行SQL查询
           tEnv.executeSql("SELECT my_python_udf(value) FROM myTable").print();
       }
   }
   

   在上面的示例中，我们首先使用registerFunction方法将Python UDF注册到Flink中。然后，在SQL查询中，我们可以直接使用my_python_udf函数来调用Python UDF。

4. 将Python脚本和依赖项打包成一个zip文件，并将其提交给Flink集群。可以使用以下命令将Python脚本和依赖项打包：

   $ zip -r my_python_udf.zip my_python_udf.py pandas
   

   然后，可以使用以下命令将作业提交给Flink集群：

   $ flink run -py my_python_udf.zip -c MyJavaStreamingJob my_jar_file.jar
   

   在上面的命令中，my_jar_file.jar是包含Java Flink Streaming Job的JAR文件。

通过以上步骤，你可以在Apache Flink 1.11 Java Flink Streaming Job中成功使用Python UDF。注意，这个方法仅在Python UDF仅涉及标量函数时有效。如果涉及到聚合函数或表值函数，还需要其他的配置和处理。