Captura de alterações de dados (CDC)
Utilize o Kafka para captura de alterações de dados e transmita alterações de bancos de dados em tempo real para diversos casos de uso.
Captura de alterações de dados (CDC) é uma aula grátis de Apache Kafka & Stream Processing Fundamentals no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Apache Kafka & Stream Processing Fundamentals, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Apache Kafka & Stream Processing Fundamentals inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
What is Change Data Capture?
Imagine needing to know every time a record in your database is updated, inserted, or deleted, in real-time. This is where Change Data Capture (CDC) comes in!
CDC is a software design pattern used to track and capture changes made to data in a database. It focuses on identifying and capturing only the data that has changed, rather than performing full scans.
Real-Time Data with CDC & Kafka
Combining CDC with Kafka unlocks powerful capabilities for real-time data processing and integration:
- Real-time Analytics: Update dashboards and reports instantly.
- Data Synchronization: Keep multiple databases or data stores consistent.
- Event Sourcing: Reconstruct the full history of changes for auditing or debugging.
- Microservices: Enable services to react to changes in other services' data without direct database access.
Log-Based CDC Explained
The most common and efficient CDC method, especially with Kafka, is log-based CDC. Databases like PostgreSQL, MySQL, and SQL Server maintain a transaction log (or write-ahead log - WAL).
This log records every change made to the database. Log-based CDC tools read these logs directly, without impacting the database's performance, to extract changes.
CDC Flow to Kafka
A typical CDC architecture with Kafka involves:
- Source Database: The database where changes originate.
- CDC Connector/Tool: Reads the database's transaction log.
- Kafka Connect: A framework for connecting Kafka with other systems.
- Kafka Topic: Where the captured change events are published.
- Consumers: Applications that read and process the change events from Kafka.
Debezium: Open-Source CDC
Debezium is a popular open-source distributed platform for Change Data Capture. It provides a set of Kafka Connect connectors that monitor specific database systems.
When changes occur in your database, Debezium streams these changes as events to Kafka topics. It supports various databases like PostgreSQL, MySQL, MongoDB, and SQL Server.
Debezium PostgreSQL Connector
To set up Debezium, you'd typically configure a connector via Kafka Connect's REST API. Here's a simplified example of a Debezium PostgreSQL connector configuration:
{
"name": "pg-connector",
"config": {
"connector.class": "io.debezium.connector.postgresql.PostgresConnector",
"database.hostname": "localhost",
"database.port": "5432",
"database.user": "postgres",
"database.password": "password",
"database.dbname": "mydb",
"topic.prefix": "dbserver1",
"table.include.list": "public.customers"
}
}This config tells Debezium to monitor the mydb database on localhost:5432 and send changes from the public.customers table to Kafka topics prefixed with dbserver1.
What a CDC Event Looks Like
When Debezium captures a change, it publishes an event to Kafka. This event usually contains structured information:
before: The state of the record before the change (for updates/deletes).after: The state of the record after the change (for inserts/updates).op: The operation type (cfor create,ufor update,dfor delete,rfor read/snapshot).source: Metadata about the database, table, and transaction.
These events are often serialized as JSON or Avro.
Processing Change Events
A Kafka consumer application can read these CDC events and react to them. For instance, you might update a search index, invalidate a cache, or trigger another microservice.
Here's a basic Java consumer example illustrating how you might parse a Debezium event:
public class CdcConsumer {
public static void main(String[] args) {
// This is a simplified example.
// In reality, use KafkaConsumer and JSON/Avro parsing.
String jsonEvent = "{ \"payload\": { \"op\": \"c\", \"after\": { \"id\": 1, \"name\": \"Alice\" } } }";
// Imagine parsing jsonEvent here
String operationType = getOperationFromJson(jsonEvent, "op");
String newName = getOperationFromJson(jsonEvent, "name");
if ("c".equals(operationType)) {
System.out.println("New customer created: " + newName);
} else if ("u".equals(operationType)) {
System.out.println("Customer updated: " + newName);
}
}
// Placeholder for JSON parsing logic
private static String getOperationFromJson(String json, String key) {
if (key.equals("op")) return "c"; // Simulate 'c' operation
if (key.equals("name")) return "Alice"; // Simulate 'name'
return null;
}
}Practical CDC Use Cases
CDC with Kafka is incredibly versatile. Some common use cases include:
- Data Warehousing: Populate data warehouses with only changed data for efficient ETL (Extract, Transform, Load).
- Cache Invalidation: Automatically clear or update caches when underlying data changes.
- Audit Logs: Maintain a complete, immutable history of all data changes for compliance.
- Search Indexing: Keep search indexes (e.g., Elasticsearch) up-to-date with real-time database changes.
CDC Knowledge Check
Which of the following is a primary benefit of using log-based Change Data Capture (CDC) with Kafka?
CDC with Kafka: A Powerful Pattern
We've explored how Change Data Capture (CDC) is a powerful pattern for streaming database changes in real-time to Kafka. Using tools like Debezium, you can efficiently capture inserts, updates, and deletes from your databases.
This enables a wide array of real-time use cases, from data synchronization and analytics to event sourcing and microservice communication. Understanding CDC is key to building responsive, data-driven applications with Kafka.
Perguntas Frequentes
A aula “Captura de alterações de dados (CDC)” é grátis?
Sim — o texto completo de “Captura de alterações de dados (CDC)” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Apache Kafka & Stream Processing Fundamentals, atualize para CoddyKit PRO. O curso de Apache Kafka & Stream Processing Fundamentals inclui 4 aulas no total.
O que vou aprender em “Captura de alterações de dados (CDC)”?
Utilize o Kafka para captura de alterações de dados e transmita alterações de bancos de dados em tempo real para diversos casos de uso. Você pratica Apache Kafka & Stream Processing Fundamentals com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Apache Kafka & Stream Processing Fundamentals?
Nenhuma experiência prévia é necessária. Apache Kafka & Stream Processing Fundamentals no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Captura de alterações de dados (CDC)”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Apache Kafka & Stream Processing Fundamentals?
Sim. Cada aula de Apache Kafka & Stream Processing Fundamentals inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Origem de eventos com Kafka
- Captura de alterações de dados (CDC)
- Padrões de comunicação entre microsserviços
- O padrão de caixa de saída para publicação confiável de eventos