Kafka Connect如何实现同步RDS binlog数据?

作者：鱼跟猫 2018-05-14 13:51:39

大数据

Kafka 本文将演示如何在E-MapReduce上实现将RDS binlog实时同步到Kafka集群中。实验中使用VPC网络环境，以下实例创建时默认都是在VPC环境下。

1. 背景

在我们的业务开发中，往往会碰到下面这个场景：

• 业务更新数据写到数据库中
• 业务更新数据需要实时传递给下游依赖处理

所以传统的处理架构可能会这样：

但这个架构也存在着不少弊端：我们需要在项目中维护很多发送消息的代码。新增或者更新消息都会带来不少维护成本。所以，更好的处理方式应该是直接将数据库的数据接入到流式系统中，如下图：

本文将演示如何在E-MapReduce上实现将RDS binlog实时同步到Kafka集群中。

2. 环境准备

实验中使用VPC网络环境，以下实例创建时默认都是在VPC环境下。

2.1 准备一个测试RDS数据库

创建一个RDS实例，版本选择5.7。这里不赘述如何创建RDS，详细流程请参考RDS文档。创建完如图：

2.2 准备一个Kafka集群

创建一个E-MapReduce Kafka集群，版本选择EMR-3.11.0。需要注意，这里必须选择EMR-3.11.0以上版本，否则不会默认安装启动Kafka Connect服务。详细创建流程请参考E-MapReduce文档。创建完如图：

注意：RDS实例和E-MapReduce Kafka集群***在同一个VPC中，否则需要打通两个VPC之间的网络。

3. Kafka Connect

3.1 Connector

Kafka Connect是一个用于Kafka和其他数据系统之间进行数据传输的工具，它可以实现基于Kafka的数据管道，打通上下游数据源。我们需要做的就是在Kafka Connect服务上运行一个Connector，这个Connector是具体实现如何从/向数据源中读/写数据。Confluent提供了很多Connector实现，你可以在这里下载。不过今天我们使用Debezium提供的一个MySQL Connector插件，下载地址。

下载这个插件，并将解压出来的jar包全部拷贝到kafka lib目录下。注意：需要将这些jar包拷贝到Kafka集群所有机器上。

在Kafka集群的服务列表中重启Kafka Connect组件。

3.2 启动Connector

在创建connector前，我们需要做一番配置，这里罗列一些Debezium MySQL Connector的主要配置项：

登录到Kafka集群，配置并创建一个connector，命令如下：

这时，我们可以看到一个创建好的connector，如图：

3.3 注意事项

server_id是多少?：你可以在RDS执行”SELECT @@server_id;”查到。

创建connector时可能会出现连接失败，请确保RDS的白名单已经授权了Kafka集群机器访问。

4 测试

4.1 创建一张表

一会之后，Kafka集群中会自动创建一个对应的topic

插入几条数据

查看binlog数据

查看fulfillment.mugen.students这个topic，是否有刚刚新插入的数据

结果如图所示：

5. 资料

• confluent官方文档 https://docs.confluent.io
• debezium官网 http://debezium.io/
• kafka官方文档 http://kafka.apache.org/documentation.html