知识卡片
批量CDC丢失中间变化
面向批处理的 CDC:若表有记录最后写入/更新时间的 updated_at 字段,就可以查询“自上次捕获以来更新过的所有行”,据此增量更新目标表。
关键限制:只能知道哪些行变了,拿不到这些行上发生的全部变化。书中例子:每 24 小时对银行账户表跑一次批量 CDC,表中只保存每个账户的当前余额。某客户在 24 小时内用借记卡取了五次钱,查询只会返回这段时间结束时的最后一个余额,中间的变化都不会出现。
解决:改用仅插入模式,把每笔账户交易作为一条新记录写入表中。
连续 CDC:不再定期查询,而是把对数据库的每一次写入都当作一个事件,捕获表的全部历史,支持近实时复制或流分析。常见做法是基于日志的 CDC——数据库二进制日志按顺序记录每次变化,CDC 工具(如 Debezium)读取日志并把事件发到 Kafka 等目的地。也有云托管数据库可在变化时直接触发无服务函数或写入事件流,工程师无需关心捕获和转发细节。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 第7章 获取
原书出处 · 1 处
- 第7章 获取 · 查看原书依据
虽然我们可以很容易地确定自某一时间点以来哪些行发生了变化,但我们不一定能获得应用于这些行的全部变化。
参考来源
- 位置:《数据工程之道:设计和构建健壮的数据系统》第07章《第7章 获取》7.5.2 变更数据捕获(面向批处理的变更数据捕获;连续变更数据捕获)(源文件:extracted/数据工程之道-设计和构建健壮的数据系统/_epub-src/EPUB/xhtml/Section0013.xhtml,来源项目 book-sources)
- 结论依据:7.5.2节说明基于updated_at的批量CDC只能识别变化行而丢失中间变化(以24小时内五次取款只得到最后余额为例)及仅插入模式的解决办法,并介绍基于日志的连续CDC和托管CDC。
- 原始内容:虽然我们可以很容易地确定自某一时间点以来哪些行发生了变化,但我们不一定能获得应用于这些行的全部变化。