寫在前面

　　好久沒更新Blog了，從CRUD Boy轉型大數據開發(fā)，拉寬了不少的知識面，從今年年初開始籌備、組建、招兵買馬，到現在穩(wěn)定開搞中，期間踏過無數的火坑，也許除了這篇還很寫上三四篇。

　　進入主題，通常企業(yè)為了實現數據統(tǒng)計、數據分析、數據挖掘、解決信息孤島等全局數據的系統(tǒng)化運作管理 ，為BI、經營分析、決策支持系統(tǒng)等深度開發(fā)應用奠定基礎，挖掘數據價值 ，企業(yè)會開始著手建立數據倉庫，數據中臺。而這些數據來源則來自于企業(yè)的各個業(yè)務系統(tǒng)的數據或爬取外部的數據，從業(yè)務系統(tǒng)數據到數據倉庫的過程就是一個ETL（Extract-Transform-Load）行為，包括了采集、清洗、數據轉換等主要過程，通常異構數據抽取轉換使用Sqoop、DataX等，日志采集Flume、Logstash、Filebeat等。

　　數據抽取分為全量抽取和增量抽取，全量抽取類似于數據遷移或數據復制，全量抽取很好理解；增量抽取在全量的基礎上做增量，只監(jiān)聽、捕捉動態(tài)變化的數據。如何捕捉數據的變化是增量抽取的關鍵，一是準確性，必須保證準確的捕捉到數據的動態(tài)變化，二是性能，不能對業(yè)務系統(tǒng)造成太大的壓力。

增量抽取方式

　　通常增量抽取有幾種方式，各有優(yōu)缺點。

1. 觸發(fā)器

　　在源數據庫上的目標表創(chuàng)建觸發(fā)器，監(jiān)聽增、刪、改操作，捕捉到數據的變更寫入臨時表。

優(yōu)點：操作簡單、規(guī)則清晰，對源表不影響；

缺點：對源數據庫有侵入，對業(yè)務系統(tǒng)有一定的影響；

2. 全表比對

　　在ETL過程中，抽取方建立臨時表待全量抽取存儲，然后在進行比對數據。

優(yōu)點：對源數據庫、源表都無需改動，完全交付ETL過程處理，統(tǒng)一管理；

缺點：ETL效率低、設計復雜，數據量越大，速度越慢，時效性不確定；

3. 全表刪除后再插入

　　在抽取數據之前，先將表中數據清空，然后全量抽取。

優(yōu)點：ETL 操作簡單，速度快。

缺點：全量抽取一般采取T+1的形式，抽取數據量大的表容易對數據庫造成壓力；

4. 時間戳

　　時間戳的方式即在源表上增加時間戳列，對發(fā)生變更的表進行更新，然后根據時間戳進行提取。

優(yōu)點：操作簡單，ELT邏輯清晰，性能比較好；

缺點：對業(yè)務系統(tǒng)有侵入，數據庫表也需要額外增加字段。對于老的業(yè)務系統(tǒng)可能不容易做變更。

5. CDC方式

　　變更數據捕獲Change Data Capture（簡稱CDC），SQLServer為實時更新數據同步提供了CDC機制，類似于Mysql的binlog，將數據更新操作維護到一張CDC表中。開啟CDC的源表在插入INSERT、更新UPDATE和刪除DELETE活動時會插入數據到日志表中。cdc通過捕獲進程將變更數據捕獲到變更表中，通過cdc提供的查詢函數，可以捕獲這部分數據。詳情可以查看官方介紹：關于變更數據捕獲 (SQL Server)

優(yōu)點：提供易于使用的API 來設置CDC 環(huán)境，縮短ETL 的時間，無需修改業(yè)務系統(tǒng)表結構。

缺點：受數據庫版本的限制，實現過程相對復雜。

CDC增量抽取

先決條件

1. 已搭建好Kafka集群，Zookeeper集群；

2. 源數據庫支持CDC，版本采用開發(fā)版或企業(yè)版。

案例環(huán)境：

Ubuntu 20.04

Kafka2.13-2.7.0

Zookeeper 3.6.2

SQL Server 2012

步驟

　　除了數據庫開啟CDC支持以外，主要還是要將變更的數據通過Kafka Connect傳輸數據，Debezium是目前官方推薦的連接器，它支持絕大多數主流數據庫：MySQL、PostgreSQL、SQL Server、Oracle等等，詳情查看Connectors。

1. 數據庫步驟

開啟數據庫CDC支持

　　在源數據庫執(zhí)行以下命令：

EXEC sys.sp_cdc_enable_db GO

　　附上關閉語句：

exec sys.sp_cdc_disable_db

查詢是否啟用

select * from sys.databases where is_cdc_enabled = 1

創(chuàng)建測試數據表：（已有表則跳過此步驟）

create  table T_LioCDC
(
    ID int identity(1,1) primary key ,
    Name nvarchar(16),
    Sex bit,
    CreateTime datetime,
    UpdateTime datetime
);

對源表開啟CDC支持：

exec sp_cdc_enable_table 
@source_schema='dbo', 
@source_name='T_LioCDC', 
@role_name=null,
@supports_net_changes = 1;

確認是否有權限訪問CDC Table：

EXEC sys.sp_cdc_help_change_data_capture

確認SQL Server Agent已開啟：

EXEC master.dbo.xp_servicecontrol N'QUERYSTATE',N'SQLSERVERAGENT'

　　以上則完成對數據庫的CDC操作。

2. Kafka步驟

　　Kafka Connect的工作模式分為兩種，分別是standalone模式和distributed模式。standalone用于單機測試，本文用distributed模式，用于生產環(huán)境。（Kafka必須先運行啟動，再進行以下步驟進行配置。）

下載Sql Server Connector

　　下載連接器后，創(chuàng)建一個文件夾來存放，解壓到該目錄下即可，例子路徑：/usr/soft/kafka/kafka_2.13_2.7.0/plugins（記住這個路徑，配置中要用到）

下載地址：debezium-connector-sqlserver-1.5.0.Final-plugin.tar.gz

編輯connect-distributed.properties配置

　　修改Kafka connect配置文件，$KAFKA_HOME/config/connect-distributed.properties，變更內容如下：

//kafka集群ip+portbootstrap.servers=172.192.10.210:9092,172.192.10.211:9092,172.192.10.212:9092

key.converter.schemas.enable=false
value.converter.schemas.enable=false

offset.storage.topic=connect-offsets
offset.storage.replication.factor=1
offset.storage.partitions=3
offset.storage.cleanup.policy=compact

config.storage.topic=connect-configs
config.storage.replication.factor=1

status.storage.topic=connect-status
status.storage.replication.factor=1
status.storage.partitions=3
//剛剛下載連接器解壓的路徑
plugin.path=/usr/soft/kafka/kafka_2.13_2.7.0/plugins

看到配置中有三個Topic，分別是

config.storage.topic：用以保存connector和task的配置信息，需要注意的是這個主題的分區(qū)數只能是1，而且是有多副本的。

offset.storage.topic：用以保存offset信息。

status.storage.topic：用以保存connetor的狀態(tài)信息。

這些Topic可以不用創(chuàng)建，啟動后會默認創(chuàng)建。

啟動Kafka集群

　　保存配置之后，將connect-distributed.properties分發(fā)到集群中，然后啟動：

bin/connect-distributed.sh config/connect-distributed.properties

檢查是否啟動

　　connector支持REST API的方式進行管理，所以用Post man或者Fiddler可以調用相關接口進行管理。檢查是否啟動：

不用奇怪，上面配置集群的IP是172段，這里的192.168.1.177仍是我的集群中的一個服務器，因為服務器都使用了雙網卡。因為還沒有連接器相關配置，所以接口返回是一個空數組，接下來將新增一個連接器。

編寫sqlserver-cdc-source.json

{
    "name": "sqlserver-cdc-source",
    "config": {
        "connector.class" : "io.debezium.connector.sqlserver.SqlServerConnector",
        "database.server.name" : "JnServer",
        "database.hostname" : "172.192.20.2", --目標數據庫的ip
        "database.port" : "1433",  --目標數據庫的端口
        "database.user" : "sa",   --目標數據庫的賬號
        "database.password" : "123456",  --密碼
        "database.dbname" : "Dis",  --目標數據庫的數據庫名稱
        "table.whitelist": "dbo.T_LioCDC", --監(jiān)聽表名
         "schemas.enable" : "false",  
         "mode":"incrementing",  --增量模式
         "incrementing.column.name": "ID", --增量列名
        "database.history.kafka.bootstrap.servers" : "172.192.10.210:9092,172.192.10.211:9092,172.192.10.212", --kafka集群
        "database.history.kafka.topic": "TopicTLioCDC",  --kafka topic內部使用，不是由消費者使用
        "value.converter.schemas.enable":"false",
        "value.converter":"org.apache.kafka.connect.json.JsonConverter"
    }
}
//源文地址：?https://www.cnblogs.com/EminemJK/p/14688907.html

還有其他額外的配置，可以參考官方文檔。然后執(zhí)行

繼續(xù)執(zhí)行檢查，就發(fā)現連接器已經成功配置了：

其他API

GET /connectors – 返回所有正在運行的connector名。
POST /connectors – 新建一個connector; 請求體必須是json格式并且需要包含name字段和config字段，name是connector的名字，config是json格式，必須包含你的connector的配置信息。
GET /connectors/{name} – 獲取指定connetor的信息。
GET /connectors/{name}/config – 獲取指定connector的配置信息。
PUT /connectors/{name}/config – 更新指定connector的配置信息。
GET /connectors/{name}/status – 獲取指定connector的狀態(tài)，包括它是否在運行、停止、或者失敗，如果發(fā)生錯誤，還會列出錯誤的具體信息。
GET /connectors/{name}/tasks – 獲取指定connector正在運行的task。
GET /connectors/{name}/tasks/{taskid}/status – 獲取指定connector的task的狀態(tài)信息。
PUT /connectors/{name}/pause – 暫停connector和它的task，停止數據處理知道它被恢復。
PUT /connectors/{name}/resume – 恢復一個被暫停的connector。
POST /connectors/{name}/restart – 重啟一個connector，尤其是在一個connector運行失敗的情況下比較常用
POST /connectors/{name}/tasks/{taskId}/restart – 重啟一個task，一般是因為它運行失敗才這樣做。
DELETE /connectors/{name} – 刪除一個connector，停止它的所有task并刪除配置。//源文地址：?https://www.cnblogs.com/EminemJK/p/14688907.html

查看Topic

/usr/soft/kafka/kafka_2.13_2.7.0# bin/kafka-topics.sh --list --zookeeper localhost:2000

TopicJnServer.dbo.T_LioCDC則是供我們消費的主題，啟動一個消費者進行監(jiān)聽測試：

bin/kafka-console-consumer.sh --bootstrap-server 172.192.10.210:9092? --consumer-property group.id=group1 --consumer-property client.id=consumer-1? --topic JnServer.dbo.T_LioCDC

然后再源表進行一些列增刪改操作，

--測試代碼
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('A',1,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('B',0,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('C',1,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('D',0,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('E',1,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('F',1,getdate(),getdate())
insert into T_LioCDC(name, sex, createtime,UpdateTime)  values ('G',0,getdate(),getdate())

update T_LioCDC
set Name='Lio.Huang',UpdateTime=getdate()
where ID=7

已經成功捕捉到數據的變更，對比幾個操作Json，依次是insert、update、delete：

到此這篇關于SQL?Server?CDC配合Kafka?Connect監(jiān)聽數據變化的文章就介紹到這了,更多相關SQL?Server?CDC監(jiān)聽數據變化內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論