CDC 是 Change Data Capture(变更数据获取)的简称。核心思想是,监测并捕获数据库的变动(包括数据或数据表的插入、更新以及删除等),将这些变更按发生的顺序完整记录下来,写入到消息中间件中以供其他服务进行订阅及消费。
CDC 的种类CDC 主要分为基于查询和基于 Binlog 两种方式,我们主要了解一下这两种之间的区别:
基于查询的CDC不能捕获所有数据变化做下解释:例如客户买东西的状态:下单 — 支付 — 发货,这些变化都在一天内完成,如果你的查询CDC是每天零点同步一次,肯定是少了下单和支付两个状态,因为查询的是快照,只能代表最后的结果。
PS:基于Binlog的CDC除了每日全量同步劣于基于查询的CDC(因为是基于流的),其余的都优于基于查询的CDC
Flink-CDC:
Flink 社区开发了 flink-cdc-connectors 组件(基于Debezium写的),这是一个可以直接从 MySQL、PostgreSQL 等数据库直接读取全量数据和增量变更数据的 source 组件。
项目中为什么不适用Canal?FlinkCDC的好处在哪?
如果使用Canal,那么他的数据流程可能是:MySQL —> Canal —> Kafka —>Flink;
而使用FlinkCDC的话可以是:MySQL —>FlinkCDC —>Flink;
省去了消息中间件,流程更加高效了(分层需要的话,会在FlinkCDC之后加上Kafka)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)