开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

使用kafka连接远程MSK kafka群集上的mongoDB debezium源连接器

使用Kafka连接远程MSK Kafka集群上的MongoDB Debezium源连接器需要以下步骤和相关概念：

Kafka：Kafka是一种分布式流处理平台，用于构建高吞吐量、可扩展的实时数据流应用程序。它提供持久化的、可分区和可复制的消息日志，以及基于发布-订阅模式的消息传递。
MSK（Managed Streaming for Apache Kafka）：MSK是AWS云平台提供的托管Kafka服务。它简化了Kafka集群的设置和管理，并提供高可用性和可伸缩性。
MongoDB Debezium源连接器：Debezium是一个开源项目，用于捕获数据库的变更日志并将其转换为可监听的数据流。MongoDB Debezium源连接器是Debezium项目的一部分，用于监听MongoDB数据库的变更并将其发送到Kafka主题。

为了使用Kafka连接远程MSK Kafka集群上的MongoDB Debezium源连接器，可以按照以下步骤进行操作：

配置Kafka集群：在AWS控制台上创建和配置一个MSK Kafka集群，确保集群的网络设置和安全组规则允许远程连接。
安装和配置Debezium：在应用程序或服务器上安装Debezium，并进行必要的配置。配置包括指定MongoDB实例的连接信息、Debezium连接器的配置参数等。
创建Kafka主题：在MSK Kafka集群上创建一个或多个Kafka主题，用于接收MongoDB变更事件。
启动Debezium连接器：使用命令行或配置文件启动Debezium连接器，确保连接到远程MSK Kafka集群和MongoDB实例。
监听MongoDB变更：Debezium连接器将监听MongoDB的变更操作，并将其转换为Kafka消息。这些消息将被发送到之前创建的Kafka主题。
处理Kafka消息：使用Kafka消费者应用程序或其他相关工具订阅和处理Kafka主题上的消息。可以编写自定义逻辑来处理这些消息，例如将其写入其他系统、存储到数据库等。

该解决方案的优势和适用场景：

实时数据流：使用Kafka和Debezium连接器，可以实现基于MongoDB变更的实时数据流处理。这对于需要及时处理和响应数据库变更的应用程序非常有用。
可扩展性：Kafka和MSK提供高可扩展性，能够处理大量的并发数据流。这对于高负载场景或大规模数据处理非常有优势。
数据集成：通过将MongoDB的变更操作转换为Kafka消息，可以方便地集成MongoDB数据到其他系统中，例如数据仓库、搜索引擎、实时分析等。

推荐的腾讯云相关产品和产品介绍链接地址：

腾讯云提供了一系列与云计算相关的产品和服务，以下是一些推荐的产品和产品介绍链接地址，可以根据具体需求选择适合的产品：

云服务器CVM：https://cloud.tencent.com/product/cvm
云数据库MongoDB：https://cloud.tencent.com/product/mongodb
弹性MapReduce：https://cloud.tencent.com/product/emr
对象存储COS：https://cloud.tencent.com/product/cos
腾讯云消息队列TDMQ：https://cloud.tencent.com/product/tdmq
AI开放平台：https://cloud.tencent.com/product/ai
人工智能机器学习平台AI Lab：https://cloud.tencent.com/product/ai-lab
物联网开发平台IoT Hub：https://cloud.tencent.com/product/iothub
腾讯云区块链服务BCS：https://cloud.tencent.com/product/bcs
腾讯云游戏多媒体引擎GME：https://cloud.tencent.com/product/gme

以上是对使用Kafka连接远程MSK Kafka集群上的MongoDB Debezium源连接器的完善且全面的答案，希望能对您有所帮助。

相关搜索:无法加载kafka connect debezium mongodb连接器如何使用Debezium MongoDB源连接器将JSON值转换为Kafka消息密钥？使用spring kafka的msk连接问题如何配置Kafka Connect在kubernetes集群上的MongoDB官方源连接器如何设置JDBC源连接器(kafka)的key？使用camel kafka连接器从远程文件读取文件记录 Kafka Connect JDBC源连接器是幂等的吗？使用kafka key的kafka s3连接器分区用Rest读取合流Kafka源连接器的电流增量值？带身份验证头的Kafka REST API源连接器当使用presto的kafka连接器时，presto在哪里存储kafka数据？kafka connect源连接器如何使用timestamp或timestamp+incrementing模式？带有Kafka Connect的REST API源连接器-是否支持HTTPs调用？Kafka源连接器的poll()方法能保证成功地将消息发送到Kafka吗？如何通过Kafka Connect自定义源连接器使用Avro生成的模式使用Kafka Connect JMS连接器未经授权的Solace 在Kubernetes上安装Kafka Connect的自定义连接器 Debezium mongo源连接器:使用包含无效字符的名称创建的主题使用kafka- Connect -spooldir连接器在Kafka connect中解析dd.MM.yyyy格式的日期如何使用kafka连接JDBC接收器和使用python的源

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

基于MongoDB的实时数仓实现

目前公司离线数仓现状，数仓部门每日凌晨后处理昨天的线上业务数据，因此第二天业务人员才看到的报表，数据是T-1的，因此数据是具有滞后性，尤其在互联网金融公司，有业务人员需要做信贷的风险管控，及时的调整一些风控规则和策略，但是不能立刻看到效果，而是需要等到第二天才可以看到调整的效果，因此才有了实时数仓的需求。线上业务数据基本存储在Mysql和MongoDB数据库中，因此实时数仓会基于这两个工作流实现，本文重点讲述基于MongoDB实现实时数仓的架构。

FlinkSQL实时计算Demo

Flink实时消费业务数据Demo Debezium监控MySQL用FlinkSQL实时消费 1、环境准备 ## 各组件版本 MySQL：5.7.21-log ## 开启binlog kafka_2.11-2.4.1 ## Kafka Flink:1.12.0 ## Flink_1.12.0官方推荐使用Kafka_2.4.1 Zookeeper:3.4.6 ## 所需组件下载地址 ## kafka_2.11-2.4.1.tgz 链接：https://pan.baidu.com/s/1-YUvHj8B10VG

02

「首席看架构」CDC (捕获数据变化) Debezium 介绍

Debezium是一个分布式平台，它将您现有的数据库转换为事件流，因此应用程序可以看到数据库中的每一个行级更改并立即做出响应。Debezium构建在Apache Kafka之上，并提供Kafka连接兼容的连接器来监视特定的数据库管理系统。Debezium在Kafka日志中记录数据更改的历史，您的应用程序将从这里使用它们。这使您的应用程序能够轻松、正确、完整地使用所有事件。即使您的应用程序停止(或崩溃)，在重新启动时，它将开始消耗它停止的事件，因此它不会错过任何东西。

02

Debezium 2.0.0.Final Released

自2019年12月发布1.0版本以来，社区一直在积极构建一个全面的开源低延迟变更数据捕获(CDC)平台。在过去的三年里，我们扩展了Debezium的产品组合，包括用于Oracle的稳定连接器、社区主导的Vitess连接器、增量快照的引入、多分区支持等等。在社区活跃贡献者和提交者的帮助下，Debezium成为CDC领域事实上的领导者，部署在多个行业的许多组织的生产环境中，使用数百个连接器将数据更改从数千个数据库平台输出到实时流。

02

基于Apache Hudi和Debezium构建CDC入湖管道

当想要对来自事务数据库（如 Postgres 或 MySQL）的数据执行分析时，通常需要通过称为更改数据捕获[4] CDC的过程将此数据引入数据仓库或数据湖等 OLAP 系统。Debezium 是一种流行的工具，它使 CDC 变得简单，其提供了一种通过读取更改日志[5]来捕获数据库中行级更改的方法，通过这种方式 Debezium 可以避免增加数据库上的 CPU 负载，并确保捕获包括删除在内的所有变更。现在 Apache Hudi[6] 提供了 Debezium 源连接器，CDC 引入数据湖比以往任何时候都更容易，因为它具有一些独特的差异化功能[7]。Hudi 可在数据湖上实现高效的更新、合并和删除事务。Hudi 独特地提供了 Merge-On-Read[8] 写入器，与使用 Spark 或 Flink 的典型数据湖写入器相比，该写入器可以显着降低摄取延迟[9]。最后，Apache Hudi 提供增量查询[10]，因此在从数据库中捕获更改后可以在所有后续 ETL 管道中以增量方式处理这些更改下游。

02

Flink + Debezium CDC 实现原理及代码实战

Debezium 是一个分布式平台，它将现有的数据库转换为事件流，应用程序消费事件流，就可以知道数据库中的每一个行级更改，并立即做出响应。

03

实时监视同步数据库变更，这个框架真是神器

我们数据库中的数据一直在变化，有时候我们希望能监听数据库数据的变化并根据变化做出一些反应，比如更新对应变化数据的缓存、增量同步到其它数据源、对数据进行检测和审计等等。而这种技术就叫变更数据捕获（Change Data Capture）。对于这种技术我们可能知道一个国内比较知名的框架Canal，非常好用！但是Canal有一个局限性就是只能用于Mysql的变更数据捕获。今天来介绍另一种更加强大的分布式CDC框架Debezium。

01

基于Apache Hudi的多库多表实时入湖最佳实践

CDC(Change Data Capture)从广义上讲所有能够捕获变更数据的技术都可以称为CDC，但本篇文章中对CDC的定义限定为以非侵入的方式实时捕获数据库的变更数据。例如：通过解析MySQL数据库的Binlog日志捕获变更数据，而不是通过SQL Query源表捕获变更数据。Hudi 作为最热的数据湖技术框架之一, 用于构建具有增量数据处理管道的流式数据湖。其核心的能力包括对象存储上数据行级别的快速更新和删除，增量查询(Incremental queries,Time Travel)，小文件管理和查询优化(Clustering,Compactions,Built-in metadata)，ACID和并发写支持。Hudi不是一个Server，它本身不存储数据，也不是计算引擎，不提供计算能力。其数据存储在S3(也支持其它对象存储和HDFS)，Hudi来决定数据以什么格式存储在S3(Parquet,Avro,…), 什么方式组织数据能让实时摄入的同时支持更新，删除，ACID等特性。Hudi通过Spark，Flink计算引擎提供数据写入, 计算能力，同时也提供与OLAP引擎集成的能力，使OLAP引擎能够查询Hudi表。从使用上看Hudi就是一个JAR包，启动Spark, Flink作业的时候带上这个JAR包即可。Amazon EMR 上的Spark，Flink，Presto ，Trino原生集成Hudi, 且EMR的Runtime在Spark，Presto引擎上相比开源有2倍以上的性能提升。在多库多表的场景下(比如：百级别库表)，当我们需要将数据库(mysql,postgres,sqlserver,oracle,mongodb等)中的数据通过CDC的方式以分钟级别(1minute+)延迟写入Hudi，并以增量查询的方式构建数仓层次，对数据进行实时高效的查询分析时。我们要解决三个问题，第一，如何使用统一的代码完成百级别库表CDC数据并行写入Hudi，降低开发维护成本。第二，源端Schema变更如何同步到Hudi表。第三，使用Hudi增量查询构建数仓层次比如ODS->DWD->DWS(各层均是Hudi表)，DWS层的增量聚合如何实现。本篇文章推荐的方案是: 使用Flink CDC DataStream API(非SQL)先将CDC数据写入Kafka，而不是直接通过Flink SQL写入到Hudi表，主要原因如下，第一，在多库表且Schema不同的场景下，使用SQL的方式会在源端建立多个CDC同步线程，对源端造成压力，影响同步性能。第二，没有MSK做CDC数据上下游的解耦和数据缓冲层，下游的多端消费和数据回溯比较困难。CDC数据写入到MSK后，推荐使用Spark Structured Streaming DataFrame API或者Flink StatementSet 封装多库表的写入逻辑，但如果需要源端Schema变更自动同步到Hudi表，使用Spark Structured Streaming DataFrame API实现更为简单，使用Flink则需要基于HoodieFlinkStreamer做额外的开发。Hudi增量ETL在DWS层需要数据聚合的场景的下，可以通过Flink Streaming Read将Hudi作为一个无界流，通过Flink计算引擎完成数据实时聚合计算写入到Hudi表。

01

kafka 连接器实现 Mysql 数据同步 Elasticsearch

Mysql 作为传统的关系型数据库，主要面向 OLTP，性能优异，支持事务，但是在一些全文检索，复杂查询上面并不快。Elasticsearch 底层基于 Lucense 实现，天然分布式，采用倒排索引存储数据，全文检索效率很高，使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。

04

在CDP平台上安全的使用Kafka Connect

在这篇文章中，将演示如何将 Kafka Connect 集成到 Cloudera 数据平台 (CDP) 中，从而允许用户在 Streams Messaging Manager 中管理和监控他们的连接器，同时还涉及安全功能，例如基于角色的访问控制和敏感信息处理。如果您是将数据移入或移出 Kafka 的开发人员、管理员或安全专家，那么这篇文章适合您。但在我介绍细节之前，让我们先从基础开始。

01

Debezium使用指南

实时数仓的第一步便是变更数据捕获（CDC）,Debezium就是一款功能非常强大的CDC工具。Debezium是构建于Kafka之上的，将捕获的数据实时的采集到Kafka上

03

在confluent上测试connect source和sink

为了实现分库分表前期的安全操作, 希望分表的数据还是能够暂时合并到原表中, 使用基于kafka connect实现, debezium做connect source, kafka-jdbc-connector-sink做sink.

02

使用 Kafka、Debezium 和 Kubernetes 实现应用现代化的模式

本文最初发表于 RedHat 的开发者站点，经原作者 Bilgin Ibryam 许可，由 InfoQ 中文站翻译分享。

02

从 MySQL 到 ClickHouse 实时数据同步 —— Debezium + Kafka 表引擎

本文介绍从 MySQL 作为源到 ClickHouse 作为目标的整个过程。MySQL 数据库更改通过 Debezium 捕获，并作为事件发布在到 Kafka 上。ClickHouse 通过 Kafka 表引擎按部分顺序应用这些更改，实时并保持最终一致性。相关软件版本如下：

01

mysql connector安装教程_Debezium:mysql connector安装[通俗易懂]

debezium提供了多种基于kafka的连接器，方便对RDB做数据流处理，包括:MongoDB,Oracle,Mysql,SqlServer,Postgresql,可扩展性强，代码可控，本篇介绍基于mysql的安装使用

02

基于Apache Hudi在Google云平台构建数据湖

自从计算机出现以来，我们一直在尝试寻找计算机存储一些信息的方法，存储在计算机上的信息（也称为数据）有多种形式，数据变得如此重要，以至于信息现在已成为触手可及的商品。多年来数据以多种方式存储在计算机中，包括数据库、blob存储和其他方法，为了进行有效的业务分析，必须对现代应用程序创建的数据进行处理和分析，并且产生的数据量非常巨大！有效地存储数PB数据并拥有必要的工具来查询它以便使用它至关重要，只有这样对该数据的分析才能产生有意义的结果。

01

mongodb：实时数据同步（一）

关于mongodb数据实时同步，如果只是做数据备份的话，直接搭建一个replica set集群或者shard集群就可以实现目的了。但这样的话作为备份库的节点都是secondery，你没法往备份库上写数据上去。

04

Edge2AI之使用 Flink/SSB 进行CDC捕获

在本次实验中，您将使用 Cloudera SQL Stream Builder来捕获和处理来自外部数据库中活动的更改。

02

为什么我们在规模化实时数据中使用Apache Kafka

了解网络安全供应商 SecurityScorecard 如何利用数据流来增强其业务能力。

01

数据同步工具之FlinkCDC/Canal/Debezium对比

数据准实时复制（CDC）是目前行内实时数据需求大量使用的技术，随着国产化的需求，我们也逐步考虑基于开源产品进行准实时数据同步工具的相关开发，逐步实现对商业产品的替代。本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。

05

【ManggoDB】安装配置（伪分布式集群搭建）Replia Set

介于关系型数据库非关系型数据库之间菜鸟教程 https://www.runoob.com/mongodb https://www.mongodb.org.cn/

01

数据同步工具之FlinkCDC/Canal/Debezium对比

数据准实时复制（CDC）是目前行内实时数据需求大量使用的技术，随着国产化的需求，我们也逐步考虑基于开源产品进行准实时数据同步工具的相关开发，逐步实现对商业产品的替代。本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。

08

揭秘Robinhood扩展和管理PB级规模Lakehouse架构

Robinhood 团队成员高级工程师 Balaji Varadarajan 和技术主管 Pritam Dey 描述了他们公司的数据Lakehouse的实现，Robinhood 的数据团队如何基于 Apache Hudi 和相关 OSS 服务来处理数 PB 规模的指数级增长。

01

Debezium教程翻译01：概览

Debezium是一组分布式服务，用于捕获数据库中的更改，以便应用程序看到这些更改并作出响应。Debezium在一个变更事件流中记录每个数据库表中所有行级别的变更，应用程序只需读取这些流，以查看变更事件的发生，并且和他们发生时的顺序一致。

02

使用Kafka和ksqlDB构建和部署实时流处理ETL引擎

在Koverhoop，我们正在保险，医疗保健，房地产和离线分析领域建立一系列大型项目。对于我们的多租户团体保险经纪平台klient.ca，我们将建立强大的搜索功能。我们希望我们的搜索结果在键入时出现。以下是我们能够实现的目标，在本文中，我将讨论核心基础架构，我们如何完全自动化其部署以及如何也可以非常快速地对其进行设置。

02

Streaming Data Changes from MySQL to Elasticsearch

MySQL Binary Log包含了针对数据库执行DDL(Data Definition Language)和DML(Data Manipulation Language)操作的完整事件，其被广泛应用于数据复制和数据恢复场景。本文所分享的就是一种基于MySQL Binary Log特性实现增量数据近实时同步到Elasticsearch的一种技术。要想实现增量数据的同步，仅仅有binary log是不够的，我们还需要一款变更数据捕获(CDC，Change Data Capture)工具，可能大家很快就会想到阿里巴巴开源的Canal。没错，但本文今天给大家分享一款新的开源工具：Debezium。Debezium构建于Kafka之上，它为MySQL、MongoDB、PostgreSQL、Orcale和Cassandra等一众数据库量身打造了一套完全适配于Kafka Connect的source connector。首先，source connector会实时获取由INSERT、UPDATE和DELETE操作所触发的数据变更事件；然后，将其发送到Kafka topic中；最后，我们使用sink connector将topic中的数据变更事件同步到Elasticsearch中去，从而最终实现数据的近实时流转，如下图所示。

01

Flink CDC 2.4 正式发布，新增 Vitess 数据源，更多连接器支持增量快照，升级 Debezium 版本

Flink CDC [1] 是基于数据库的日志 CDC 技术，实现了全增量一体化读取的数据集成框架。配合 Flink 优秀的管道能力和丰富的上下游生态，Flink CDC 可以高效实现海量数据的实时集成。

03

Debezium 初了解

在研究 Flink CDC 时，其中涉及了 Debezium，便决定研究一下 Debezium。这篇文章简单介绍了 Debezium 是什么，以及它的架构和特性。后续文章中会后续介绍其功能特性以及如何使用。

05

揭示应用网络的未来：趋势和影响

翻译自 Unveiling the Future of Application Networking: Trends and Impacts 。

01

Flink CDC 原理、实践和优化

CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。

如何使用 Kafka、MongoDB 和 Maxwell’s Daemon 构建 SQL 数据库的审计系统

审计日志系统有很多应用场景，而不仅仅是存储用于审计目的的数据。除了合规性和安全性的目的之外，它还能够被市场营销团队使用，以便于锁定目标用户，也可以用来生成重要的告警。

03

Apache Kafka - 构建数据管道 Kafka Connect

Kafka Connect 是一个工具，它可以帮助我们将数据从一个地方传输到另一个地方。比如说，你有一个网站，你想要将用户的数据传输到另一个地方进行分析，那么你可以使用 Kafka Connect 来完成这个任务。

02

《一文读懂腾讯云Flink CDC 原理、实践和优化》

CDC 变更数据捕获技术可以将源数据库的增量变动记录，同步到一个或多个数据目的。本文基于腾讯云 Oceanus 提供的 Flink CDC 引擎，着重介绍 Flink 在变更数据捕获技术中的应用。一、CDC 是什么？ CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。例如对于电商平台，用户的订单

03

Flink CDC 原理、实践和优化

CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。

05

事件驱动架构要避开的 5 个陷阱

作者 | Natan Silnitsky 译者 | 明知山策划 | 闫园园事件驱动架构非常强大，非常适合用在分布式微服务环境中。事件驱动架构提供了解耦的架构、更容易实现的可伸缩性和更高程度的弹性。请求应答（客户端和服务器）与事件流（发布和订阅）但是，与请求和应答类型的架构相比，正确使用事件驱动架构要困难得多。在过去的几年里，我们一直在逐步将我们不断增长的微服务（目前有 2300 个）从请求和应答模式迁移到事件驱动架构。下面是 Wix 工程师在实验事件驱动架构时遇到的 5 个陷阱。这些

03

kafka连接器两种部署模式详解

一 kafka Connector介绍 Kafka Connect是一个用于在Apache Kafka和其他系统之间进行可扩展和可靠数据流传输的工具。这使得快速定义将大量数据传入和传出Kafka的连接器变得很简单。Kafka Connect可以接收整个数据库或从所有应用程序服务器收集指标到Kafka主题中，使得数据可用于低延迟的流处理。导出作业可以将来自Kafka主题的数据传送到二级存储和查询系统或批处理系统中进行离线分析。 Kafka Connect功能包括： Kafka连接器的通用框架 - Kafk

08

跨数据库同步方案汇总怎么做_国内外数据库同步方案

Datax 一般比较适合于全量数据同步，对全量数据同步效率很高（任务可以拆分，并发同步，所以效率高），对于增量数据同步支持的不太好（可以依靠时间戳+定时调度来实现，但是不能做到实时，延迟较大）。

03

Robinhood基于Apache Hudi的下一代数据湖实践

Robinhood 的使命是使所有人的金融民主化。Robinhood 内部不同级别的持续数据分析和数据驱动决策是实现这一使命的基础。我们有各种数据源——OLTP 数据库、事件流和各种第 3 方数据源。需要快速、可靠、安全和以隐私为中心的数据湖摄取服务来支持各种报告、关键业务管道和仪表板。不仅在数据存储规模和查询方面，也在我们在数据湖支持的用例方面，我们从最初的数据湖版本[1]都取得了很大的进展。在这篇博客中，我们将描述如何使用各种开源工具构建基于变更数据捕获的增量摄取，以将我们核心数据集的数据新鲜延迟从 1 天减少到 15 分钟以下。我们还将描述大批量摄取模型中的局限性，以及在大规模操作增量摄取管道时学到的经验教训。

02

Kafka快速上手（2017.9官方翻译）

为了帮助国人更好了解、上手kafka，特意翻译、修改了个文档。官方Wiki : http://kafka.apache.org/quickstart

02

用 Java 写个沙盒塔防游戏！已上架 Steam,Apple Store

你好，我是 Guide！这里是 JavaGuide 的开源项目推荐第 2 期，每一期我都会精选 5 个高质量的 Java 开源项目推荐给大家。

02

Aache Kafka 入门教程

在 Kafka 中，客户端和服务器之间的通信是通过简单，高性能，语言无关的TCP协议完成的。此协议已版本化并保持与旧版本的向后兼容性。Kafka 提供 Java 客户端，但客户端有多种语言版本。

02

一文读懂Kafka Connect核心概念

Kafka Connect 是一种用于在 Apache Kafka 和其他系统之间可扩展且可靠地流式传输数据的工具。它使快速定义将大量数据移入和移出 Kafka 的连接器变得简单。 Kafka Connect 可以摄取整个数据库或从所有应用程序服务器收集指标到 Kafka 主题中，使数据可用于低延迟的流处理。导出作业可以将数据从 Kafka 主题传送到二级存储和查询系统或批处理系统进行离线分析。

00

如何构建智能湖仓架构？亚马逊工程师的代码实践来了 | Q推荐

数据仓库的数据体系严格、治理容易，业务规模越大，ROI 越高；数据湖的数据种类丰富，治理困难，业务规模越大，ROI 越低，但胜在灵活。

03

Flink CDC 原理及生产实践

MySQL CDC连接器允许从MySQL数据库读取快照数据和增量数据。本文档根据官网翻译了如何设置MySQL CDC连接器以对MySQL数据库运行SQL查询。

02

kafka:MirrorMaker-V1(MM1)到MirrorMaker-V2(MM2)

在上篇文章中我们介绍了MirrorMaker-V1(MM1)，本质上MM1是Kafka的消费者和生产者结合体，可以有效地将数据从源群集移动到目标群集，但没有提供太多其他功能。

kafka:MirrorMaker-V1(MM1)到MirrorMaker-V2(MM2)

在上篇文章中我们介绍了MirrorMaker-V1(MM1)，本质上MM1是Kafka的消费者和生产者结合体，可以有效地将数据从源群集移动到目标群集，但没有提供太多其他功能。

03

3w字超详细 kafka 入门到实战

Kafka 是一个分布式流媒体平台，kafka官网：http://kafka.apache.org/

03

Yotpo构建零延迟数据湖实践

随着系统变得越来越复杂，我们需要更多的解决方案来集中维护大量数据，以便对其进行监控和查询，而又不会干扰运营数据库。在Yotpo，我们有许多微服务和数据库，因此将数据传输到集中式数据湖中的需求至关重要。我们一直在寻找易于使用的基础架构（仅需配置），以节省工程师的时间。

03

作为云原生 iPaaS 集成中间件的 Apache Kafka

企业面临着前所未有的集成挑战。信息技术的发展要求更多的技术集成，应用程序部署在边缘、混合和多云架构中，传统的中间件，如 MQ、ETL、ESB，都不能很好地扩展，仅能批量处理数据而无法实现实时处理。

02

Flink CDC 新一代数据集成框架

主要讲解了技术原理，入门与生产实践，主要功能：全增量一体化数据集成、实时数据入库入仓、最详细的教程。Flink CDC 是Apache Flink的一个重要组件，主要使用了CDC技术从各种数据库中获取变更流并接入到Flink中，Apache Flink作为一款非常优秀的流处理引擎，其SQL API又提供了强大的流式计算能力，因此结合Flink CDC能带来非常广阔的应用场景。例如，Flink CDC可以代替传统的Data X和Canal工具作为实时数据同步，将数据库的全量和增量数据同步到消息队列和数据仓库中。也可以做实时数据集成，将数据库数据实时入湖入仓。还可以做实时物化视图，通过SQL对数据做实时的关联、打宽、聚合，并将物化结果写入到数据湖仓中。

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭