将 Azure 事件中心上的 Apache Kafka Connect 支持与 Debezium 集成以进行变更数据捕获

项目
08/26/2024

变更数据捕获 (CDC) 是一项技术，用来跟踪为响应创建、更新和删除操作而在数据库表中进行的行级更改。 Debezium 是一个基于不同数据库中提供的变更数据捕获功能（例如，PostgreSQL 中的逻辑解码）构建的分布式平台。它提供了一组 Kafka Connect 连接器，它们可以深入探索数据库表中的行级更改，并将它们转换为事件流，这些事件流随后会发送到 Apache Kafka。

本教程逐步介绍如何使用事件中心（适用于 Kafka）、Azure Database for PostgreSQL 和 Debezium 在 Azure 上设置基于变更数据捕获的系统。该系统使用 Debezium PostgreSQL 连接器将数据库修改从 PostgreSQL 流式传输到事件中心内的 Kafka 主题。

注意

本文包含一个对 Azure 不再使用的术语的引用。在从软件中删除该术语后，我们会将其从本文中删除。

在本教程中，我们将执行以下步骤：

创建事件中心命名空间
设置和配置 Azure Database for PostgreSQL
使用 Debezium PostgreSQL 连接器配置并运行 Kafka Connect
测试变更数据捕获
（可选）通过 FileStreamSink 连接器使用变更数据事件

先决条件

要完成本演练，需要：

Azure 订阅。如果没有，请创建一个试用版订阅。
Linux/MacOS
Kafka 发行版（版本为 1.1.1，Scala 版本为 2.11），通过 kafka.apache.org 提供
通读用于 Apache Kafka 的事件中心简介文章

创建事件中心命名空间

要从事件中心服务进行发送和接收，需要使用事件中心命名空间。有关创建命名空间和事件中心的说明，请参阅创建事件中心。获取事件中心连接字符串和完全限定域名 (FQDN) 供以后使用。有关说明，请参阅获取事件中心连接字符串。

设置和配置 Azure Database for PostgreSQL

Azure Database for PostgreSQL 是一项基于开放源代码 PostgreSQL 数据库引擎社区版本的关系数据库服务，提供了三种部署选项：单一服务器、灵活服务器和 Cosmos DB for PostgreSQL。请按照这些说明使用 Azure 门户创建 Azure Database for PostgreSQL 服务器。

设置并运行 Kafka Connect

本部分涵盖了以下主题：

Debezium 连接器安装
为事件中心配置 Kafka Connect
使用 Debezium 连接器启动 Kafka Connect 群集

下载并设置 Debezium 连接器

按照 Debezium 文档中的最新说明下载并设置连接器。

下载连接器的插件存档。例如，若要下载连接器的 1.2.0 版本，请使用此链接 - https://repo1.maven.org/maven2/io/debezium/debezium-connector-postgres/1.2.0.Final/debezium-connector-postgres-1.2.0.Final-plugin.tar.gz
提取 JAR 文件并将其复制到 Kafka Connect plugin.path。

为事件中心配置 Kafka Connect

将 Kafka Connect 吞吐量从 Kafka 重定向到事件中心时，必须进行最低限定的重新配置。以下 connect-distributed.properties 示例演示了如何配置 Connect，以便进行身份验证并与事件中心的 Kafka 终结点通信：

重要

Debezium 会为每个表自动创建一个主题，并自动创建一组元数据主题。 Kafka 主题对应于事件中心实例（事件中心）。有关 Apache Kafka 到 Azure 事件中心的映射，请参阅 Kafka 和事件中心概念映射。
事件中心命名空间中的事件中心数量有不同的限制，具体取决于层级（基本、标准、高级或专用）。有关这些限制，请参阅配额。

bootstrap.servers={YOUR.EVENTHUBS.FQDN}:9093 # e.g. namespace.servicebus.chinacloudapi.cn:9093
group.id=connect-cluster-group

# connect internal topic names, auto-created if not exists
config.storage.topic=connect-cluster-configs
offset.storage.topic=connect-cluster-offsets
status.storage.topic=connect-cluster-status

# internal topic replication factors - auto 3x replication in Azure Storage
config.storage.replication.factor=1
offset.storage.replication.factor=1
status.storage.replication.factor=1

rest.advertised.host.name=connect
offset.flush.interval.ms=10000

key.converter=org.apache.kafka.connect.json.JsonConverter
value.converter=org.apache.kafka.connect.json.JsonConverter
internal.key.converter=org.apache.kafka.connect.json.JsonConverter
internal.value.converter=org.apache.kafka.connect.json.JsonConverter

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

# required EH Kafka security settings
security.protocol=SASL_SSL
sasl.mechanism=PLAIN
sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="$ConnectionString" password="{YOUR.EVENTHUBS.CONNECTION.STRING}";

producer.security.protocol=SASL_SSL
producer.sasl.mechanism=PLAIN
producer.sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="$ConnectionString" password="{YOUR.EVENTHUBS.CONNECTION.STRING}";

consumer.security.protocol=SASL_SSL
consumer.sasl.mechanism=PLAIN
consumer.sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="$ConnectionString" password="{YOUR.EVENTHUBS.CONNECTION.STRING}";

plugin.path={KAFKA.DIRECTORY}/libs # path to the libs directory within the Kafka release

重要

将 {YOUR.EVENTHUBS.CONNECTION.STRING} 替换为事件中心命名空间的连接字符串。有关获取连接字符串的说明，请参阅获取事件中心连接字符串。下面是一个配置示例：sasl.jaas.config=org.apache.kafka.common.security.plain.PlainLoginModule required username="$ConnectionString" password="Endpoint=sb://mynamespace.servicebus.chinacloudapi.cn/;SharedAccessKeyName=RootManageSharedAccessKey;SharedAccessKey=XXXXXXXXXXXXXXXX";

运行 Kafka Connect

此步骤在本地以分布式模式启动了一个 Kafka Connect 辅助角色，使用事件中心来保留群集状态。

在本地保存上述 connect-distributed.properties 文件。请务必替换大括号中的所有值。
在本地计算机上导航到 Kafka 发行版的位置。
运行 ./bin/connect-distributed.sh /PATH/TO/connect-distributed.properties 并等待群集启动。

注意

Kafka Connect 使用 Kafka AdminClient API 自动创建具有建议配置（包括压缩）的主题。在 Azure 门户中快速查看命名空间就可以发现，Connect 辅助角色的内部主题已自动创建。

Kafka Connect 内部主题必须使用压缩。如果未正确配置内部连接主题，事件中心团队不负责修复不正确的配置。

配置并启动 Debezium PostgreSQL 源连接器

为 PostgreSQL 源连接器创建配置文件 (pg-source-connector.json) - 根据你的 Azure PostgreSQL 实例替换这些值。

{
    "name": "todo-connector",
    "config": {
        "connector.class": "io.debezium.connector.postgresql.PostgresConnector",
        "database.hostname": "<replace with Azure PostgreSQL instance name>.postgres.database.chinacloudapi.cn",
        "database.port": "5432",
        "database.user": "<replace with database user name>",
        "database.password": "<replace with database password>",
        "database.dbname": "postgres",
        "database.server.name": "my-server",
        "plugin.name": "wal2json",
        "table.whitelist": "public.todos"
    }
}

提示

database.server.name 属性是一个逻辑名称，可标识所监视的特定 PostgreSQL 数据库服务器/群集并为其提供命名空间。

若要创建连接器的实例，请使用 Kafka Connect REST API 终结点：

curl -X POST -H "Content-Type: application/json" --data @pg-source-connector.json http://localhost:8083/connectors

若要检查连接器的状态，请执行以下命令：

curl -s http://localhost:8083/connectors/todo-connector/status

测试变更数据捕获

要查看变更数据捕获的操作方式，需要在 Azure PostgreSQL 数据库中创建/更新/删除记录。

首先连接到 Azure PostgreSQL 数据库（以下示例使用了 psql）。

psql -h <POSTGRES_INSTANCE_NAME>.postgres.database.chinacloudapi.cn -p 5432 -U <POSTGRES_USER_NAME> -W -d <POSTGRES_DB_NAME> --set=sslmode=require

e.g. 

psql -h my-postgres.postgres.database.chinacloudapi.cn -p 5432 -U testuser@my-postgres -W -d postgres --set=sslmode=require

创建一个表并插入记录

CREATE TABLE todos (id SERIAL, description VARCHAR(50), todo_status VARCHAR(12), PRIMARY KEY(id));

INSERT INTO todos (description, todo_status) VALUES ('setup postgresql on azure', 'complete');
INSERT INTO todos (description, todo_status) VALUES ('setup kafka connect', 'complete');
INSERT INTO todos (description, todo_status) VALUES ('configure and install connector', 'in-progress');
INSERT INTO todos (description, todo_status) VALUES ('start connector', 'pending');

连接器现在应当发挥作用，并将变更数据事件发送到具有以下名称 my-server.public.todos 的事件中心主题，前提是你已将 my-server 用作 database.server.name 的值，并且 public.todos 是要跟踪其变更的表（根据 table.whitelist 配置）。

检查事件中心主题

让我们对该主题的内容自检一下，确保一切符合预期。下面的示例使用了 kafkacat，但你也可以使用此处列出的任何选项来创建使用者。

创建包含以下内容的名为 kafkacat.conf 的文件：

metadata.broker.list=<enter event hubs namespace>.servicebus.chinacloudapi.cn:9093
security.protocol=SASL_SSL
sasl.mechanisms=PLAIN
sasl.username=$ConnectionString
sasl.password=<enter event hubs connection string>

注意

根据事件中心信息，更新 kafkacat.conf 中的 metadata.broker.list 和 sasl.password 属性。

在另一个终端中，启动一个使用者：

export KAFKACAT_CONFIG=kafkacat.conf
export BROKER=<enter event hubs namespace>.servicebus.chinacloudapi.cn:9093
export TOPIC=my-server.public.todos

kafkacat -b $BROKER -t $TOPIC -o beginning

你应该会看到 JSON 有效负载，它们表示为响应你已添加到 todos 表中的行而在 PostgreSQL 中生成的变更数据事件。下面是有效负载的片段：

{
    "schema": {...},
    "payload": {
        "before": null,
        "after": {
            "id": 1,
            "description": "setup postgresql on azure",
            "todo_status": "complete"
        },
        "source": {
            "version": "1.2.0.Final",
            "connector": "postgresql",
            "name": "fullfillment",
            "ts_ms": 1593018069944,
            "snapshot": "last",
            "db": "postgres",
            "schema": "public",
            "table": "todos",
            "txId": 602,
            "lsn": 184579736,
            "xmin": null
        },
        "op": "c",
        "ts_ms": 1593018069947,
        "transaction": null
    }

该事件包含 payload 及其 schema（为简洁起见，此处进行了省略）。在 payload 节中，请注意 create 操作 ("op": "c") 是如何表示的 - "before": null 表示它是一个新 INSERT 的行，after 提供行中各个列的值，source 提供从中选取此事件的 PostgreSQL 实例元数据，等等。

你可以对 update 或 delete 操作进行同样的尝试，并对变更数据事件进行自检。例如，若要更新 configure and install connector 的任务状态（假设其 id 为 3），可以执行以下命令：

UPDATE todos SET todo_status = 'complete' WHERE id = 3;

（可选）安装 FileStreamSink 连接器

现在，你已在事件中心主题中捕获所有 todos 表更改，你将通过 FileStreamSink 连接器（在 Kafka Connect 中默认提供）来使用这些事件。

为连接器创建配置文件 (file-sink-connector.json) - 根据你的文件系统替换 file 属性。

{
    "name": "cdc-file-sink",
    "config": {
        "connector.class": "org.apache.kafka.connect.file.FileStreamSinkConnector",
        "tasks.max": "1",
        "topics": "my-server.public.todos",
        "file": "<enter full path to file e.g. /Users/foo/todos-cdc.txt>"
    }
}

若要创建连接器并检查其状态，请执行以下命令：

curl -X POST -H "Content-Type: application/json" --data @file-sink-connector.json http://localhost:8083/connectors

curl http://localhost:8083/connectors/cdc-file-sink/status

插入/更新/删除数据库记录，并在配置的输出接收器文件中监视记录：

tail -f /Users/foo/todos-cdc.txt

清理

Kafka Connect 创建的事件中心主题可用于存储配置、偏移量和状态，即使在 Connect 群集关闭后，仍会保留这些内容。除非需要此持久性，否则建议删除这些主题。还可以删除在本演练中创建的 my-server.public.todos 事件中心。

后续步骤

若要详细了解适用于 Kafka 的事件中心，请参阅以下文章：

通过