IDEA03：数据库CDC、Kafka和连接器Debezium配置

写在前面

这里记录一下CDC和Kafka的协同工作过程。

• CDC（Change Data Capture:变更数据捕获）是数据库的一项功能，能够监控数据库表的变化。
• Kafka是一种分布式消息系统。
• 这里协同的目的是让CDC监控数据库表的更新，然后将更新发布到Kafka，最后让消费者响应这个更新。
• 另外还用到了一个CDC和Kafka之间的连接器，叫Debezium。

一、配置数据库CDC

这里是针对SQL Server2019进行配置。

• 关于SQL Server的CDC官方文档可以看这个：https://docs.microsoft.com/zh-cn/sql/relational-databases/track-changes/about-change-data-capture-sql-server?view=sql-server-ver16。
• 配置过程主要参考了博文：CDC(Change Data Capture)功能使用及释疑 。

一些要点如下：

• 在SSMS的工具栏中点击新建查询，打开查询脚本；
• 执行下面语句，打开数据库的CDC功能（默认关闭）；

exec sys.sp_cdc_enable_db 

• 执行下面语句，在需要监控的数据库表上启用CDC功能；
• 各个选项的意义可以参考官方文档：https://docs.microsoft.com/en-us/sql/relational-databases/system-stored-procedures/sys-sp-cdc-enable-table-transact-sql?redirectedfrom=MSDN&view=sql-server-ver16。

EXEC sys.sp_cdc_enable_table
        @source_schema = 'dbo', -- source_schema
        @source_name = 'Test_Table', -- table_name
        @capture_instance = NULL, -- capture_instance
        @supports_net_changes = 1, -- supports_net_changes
        @role_name = NULL, -- role_name
        @index_name = NULL, -- index_name
        @captured_column_list = NULL -- captured_column_list

• 注意检查SQL Server代理是否开启，如果不开启是不能启用CDC的。
• 在SQL Server Configuration Manager->SQL Server服务中也可以开启SQL Server代理。

• 成功开启CDC后，在系统表里面会有6个以cdc开头的表；
• 执行下列语句应该有返回值。

# select * from cdc.dbo_xxx
select * from cdc.dbo_Test_Table

• 此时对数据库表执行INSERT，UPDATe和DELETE都会触发CDC产生记录。

二、配置Kafka

Kafka是一个高可用的消息系统，适用于数据批处理和流式数据。这里主要介绍如何在Windows上配置Kafka。

• Kafka的原理介绍可以参考博文：Kafka基本原理详解。

1.安装Zookeeper

• 首先是安装Zookeeper，因为Kafka需要依赖于Zookeeper才能运行。
• 主要参考博文：Windows 安装 Zookeeper 详细步骤。
• 下载的官网地址：https://zookeeper.apache.org/index.html。
• 找最新的稳定版本，下载不带源码的版本。

• 用cmd或者powershell来解压：

tar -zxvf .apache-zookeeper-xxx.tar.gz

• 解压之后将解压的文件夹整个移动到常用的软件安装目录即可。
• 在conf文件夹中复制一份zoo.cfg配置文件，然后配置data文件夹和log文件夹的地址。

• 进入bin文件夹，启动Zookeeper

点击zkServer.cmd启动服务端
点击zkCli.cmd启动客户端

2.安装Kafka

• 主要参考博文：windows下安装kafka教程。
• 官网下载地址：https://kafka.apache.org/downloads.html。
• 下载最新二进制版本(Binary downloads)，官方推荐是下载Scala 2.13版本。

• 用cmd或者powershell来解压：

tar -zxvf .apache-zookeeper-xxx.taz

• 解压之后将解压的文件夹整个移动到常用的软件安装目录即可。
• 在config文件夹下配置server.properties文件。
• 注意，运行Kafka之前一定要先启动Zookeeper。
• 回到根目录，下面是一些常用的命令：

# 启动Kafka
.binwindowskafka-server-start.bat .configserver.properties
# 创建主题
.binwindowskafka-topics.bat --create --topic test --bootstrap-server localhost:9092
# 查看所有主题
.binwindowskafka-topics.bat --list --bootstrap-server localhost:9092
# 创建生产者进程
.binwindowskafka-console-producer.bat --broker-list localhost:9092 --topic test
# 创建消费者进程
.binwindowskafka-console-consumer.bat --bootstrap-server localhost:9092 --topic test --from-beginning

三、配置Kafka Connector

Kafka Connect用来连接Kafka和别的系统，是一种通用的连接框架标准。

• 部署过程主要参考了博文：Kafka Connect的部署和使用详解1（安装配置、基本用法）。

Kafka Connector的部署有两种方式：分布式(distributed)和标准(standalone)，这里主要是介绍使用standalone模式部署。

1.配置配置文件

• 打开配置文件conf/connect-standalone.properties。
• 检查一下 bootstrap.servers是否为Kafka的地址和端口
• 重点是设置plugin.path，之后自行下载的connector都要放在该路径下才能生效。
• 检查offset.storage.file.filename文件是否存在，如果不存在要手动新建一个offsets文件，否则运行会出错。

2.配置Connector测试

• Kafka自带了FileStreamSinkConnector和FileStreamSourceConnector这两个Connector，可以用于测试。

• 在conf/connect-file-source.properties中配置：

name=local-file-source
connector.class=FileStreamSource
tasks.max=1
file=./test.txt  # 监控输入的文件路径
topic=connect-test  # Kafka主题名称

• 在connect-file-sink.properties 中配置：

name=local-file-sink
connector.class=FileStreamSink
tasks.max=1
file=./test.sink.txt
topics=connect-test

• 用命令行启动这两个connector

# 用standalone形式启动connector进程
.binwindowsconnect-standalone.bat config/connect-standalone.properties config/connect-file-source.properties config/connect-file-sink.properties

• 在Kafka根目录下新建两个文件test.sink.txt和test.txt。在test.txt输入内容，test.sink.txt会自动输出相同的内容。

3.配置Debezium Connector

• Debezium是专门用于数据库CDC的连接器，官网文档：https://debezium.io/documentation/reference/1.9/。
• 针对于SQL Server的官方文档：https://debezium.io/documentation/reference/1.9/connectors/sqlserver.html#sqlserver-example-configuration。

• 下载连接器存档debezium-connector-sqlserver-1.9.5.Final-plugin.tar.gz，解压后把文件夹放到上面配置的plugin.path路径下即可。

• 启动Debezium connector需要使用REST API格式。REST API是一种JSON格式，用于HTTP协议的数据传输，可以用Postman软件进行管理和配置。

• Postman的一些使用教程：API测试之Postman使用完全指南(Postman教程，这篇文章就够了) 。

• 官方给的REST API配置样例如下：

{
    "name": "inventory-connector", 
    "config": {
        "connector.class": "io.debezium.connector.sqlserver.SqlServerConnector", 
        "database.hostname": "192.168.99.100", 
        "database.port": "1433", 
        "database.user": "sa", 
        "database.password": "Password!", 
        "database.dbname": "testDB", 
        "database.server.name": "fullfillment", 
        "table.include.list": "dbo.customers", 
        "database.history.kafka.bootstrap.servers": "kafka:9092", 
        "database.history.kafka.topic": "dbhistory.fullfillment" 
    }
}

• 属性的说明如下：

• 使用Postman发送配置信息即可启动Debezium Connector
• 常用的一些REST API接口：

GET /connectors：返回所有正在运行的 connector 名
POST /connectors：新建一个 connector；请求体必须是 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，必须包含你的 connector 的配置信息。
GET /connectors/{name}：获取指定 connetor 的信息
GET /connectors/{name}/config：获取指定 connector 的配置信息
PUT /connectors/{name}/config：更新指定 connector 的配置信息
GET /connectors/{name}/status：获取指定 connector 的状态，包括它是否在运行、停止、或者失败，如果发生错误，还会列出错误的具体信息。
GET /connectors/{name}/tasks：获取指定 connector 正在运行的 task。
GET /connectors/{name}/tasks/{taskid}/status：获取指定 connector 的 task 的状态信息
PUT /connectors/{name}/pause：暂停 connector 和它的 task，停止数据处理知道它被恢复。
PUT /connectors/{name}/resume：恢复一个被暂停的 connector
POST /connectors/{name}/restart：重启一个 connector，尤其是在一个 connector 运行失败的情况下比较常用
POST /connectors/{name}/tasks/{taskId}/restart：重启一个 task，一般是因为它运行失败才这样做。
DELETE /connectors/{name}：删除一个 connector，停止它的所有 task 并删除配置。

例如：

# 建立新的connector进程
POST http://192.168.1.133:8083/connectors
# 查看所有的connector进程
GET http://192.168.1.133:8083/connectors
# 查看已安装的connector插件
GET http://192.168.1.133:8083/connector-plugins
# 查看connector进程状态
GET http://192.168.1.133:8083/connectors/test-sqlserver-connector/status
# 删除某个connector进程
DELETE http://192.168.1.133:8083/connectors/test-sqlserver-connector

4.一些注意

• 由于Debezium Connector不是由配置文件从控制台用.bat启动的，所以在使用REST API发送POST配置之前，一定要确保已经启动了Connector服务。
• 但由于Connector服务启动时一定要加上某个特定Connector的配置文件作为参数，所以这时候用默认自带的FileStreamSinkConnector和FileStreamSourceConnector作为参数就很合适，尽管这两个Connector我们实际中并不需要。
• 或许Debezium Connector也可以用配置文件+.bat在控制台启动，但暂时还不清楚如何配置，官方推荐也是用REST API启动的，而且强调了在启动前必须要先启动Connector服务。

四、创建JAVA的消费者

因为生产者已经由上面的CDC充当，所以为了响应CDC的消息，这里用JAVA来实现生产者进程。

• 主要是参考了博文：三分钟教会你如何使用IDEA操作Kafka创建生产者消费者(有详细案列)。

1.首先是导入Maven依赖包：

       org.apache.kafka
       kafka-clients
       3.1.1

2.配置fastjson库

• 由于Debezium Connector的CDC信息都是用JSON格式，所以还要下载一个JSON库，这里是用了fastjson。
• 可以参考博文：fastjson的基本使用方法和java 获取JSONObject中key对应的值。

3.Debezium Connector的CDC消息

• 使用poll可以从订阅的主题中获取消息，它的参数的含义是如果没有消息等待多久返回empty。
• 注意，poll不是每次只拉取一条消息的，而是可以一次性拉取很多条，默认最大是500。
• 关于poll的详细介绍可以参考博文：Apache Kafka（九）- Kafka Consumer 消费行为。

ConsumerRecords poll = consumer.poll(Duration.ofMillis(1000));

• 如果不commit消息，那么Kafka会认为这条消息还没有被处理成功，下次重启消费者进程后仍然会poll到这些消息。
• commit消息的方式有两种：自动commit和手动commit，可以参考博文：Kafka消费消息自动提交与手动提交。。
• 手动commit设置如下：

// disable auto commit of offsets
 properties.setProperty(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
// 一次性提交所有已经poll过的消息，即poll方法返回的最大偏移量
consumer.commitSync();

• 如果是要在处理完一次poll数据的过程中细粒度地提交，可以参考博客：Kafka系列教程08：Consumer提交消息偏移量。

4.一个消费者进程demo

import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import org.apache.kafka.clients.consumer.*;
import org.apache.kafka.common.TopicPartition;
import org.apache.kafka.common.serialization.StringDeserializer;

import java.time.Duration;
import java.util.Collections;
import java.util.HashMap;
import java.util.Map;
import java.util.Properties;

public class Kafka_Test {
    public static void main(String[] args) {
        Properties prop=new Properties();
        prop.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"192.168.1.133:9092");
        prop.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        prop.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class);
        prop.put(ConsumerConfig.SESSION_TIMEOUT_MS_CONFIG,"30000");
        prop.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG,"false");
        prop.put(ConsumerConfig.AUTO_COMMIT_INTERVAL_MS_CONFIG,"1000");
        // latest收最新的数据 none会报错 earliest最早的数据
        prop.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG,"earliest");
        prop.put(ConsumerConfig.GROUP_ID_CONFIG,"G1");
        // 每次poll只拉取2条消息
        prop.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, 2);
        // 创建消费者
        KafkaConsumer consumer = new KafkaConsumer<>(prop);
        consumer.subscribe(Collections.singleton("fullfillment.dbo.Test_RDF_extractor"));//订阅

        while (true){
            ConsumerRecords poll = consumer.poll(Duration.ofMillis(1000));
            for (ConsumerRecord record : poll) {
                System.out.println(record.offset()+"t"+record.key()+"t"+record.value());

                // 解析JSON值
                JSONObject json_record_value = JSON.parseObject(record.value());
                JSONObject json_record_value_after = json_record_value.getJSONObject("after");
                String ext_code = json_record_value_after.getString("ext_code");
                System.out.println(ext_code);

                // 细粒度提交消息Offset
                // 构建提交参数，包括partition和offset的信息
                Map offsetMap = new HashMap<>();
                // 使用下一个偏移量作为提交的值，下一次就从这里开始拉取消息
                offsetMap.put(new TopicPartition(record.topic(), record.partition()),
                        new OffsetAndMetadata(record.offset() + 1, "no metadata"));
                // 提交指定的offset
                consumer.commitSync(offsetMap);
            }
        }
    }
}