CDC

​ 可以通过CDC将变化推送到下游处理，比如你可能希望将数据的所有内容发送到全文检索，分析型数据库或者大数据系统。

​ CDC的一个核心特性为变化推送（changefeed），通过设置被检视的表格，changefeed会将表格中所有行的每次变化以特定的格式(JSON或Avro)发送记录，发送到配置的Kafka连接中。

顺序保证

• 节点错误或网络分裂等问题出现时可能使得重复发送changefeed，这可以保证changefeed至少交付一次。

• 带有时间戳的变化被交付后，不会再有对应行带有更早时间戳的变化被发送。

• 如果一行数据在一则事务中被多次修改，只会发送最后的变化结果。

• 数据到Kafka的分区中依据数据库中行的主键进行划分。

• 使用选项UPDATED在发送时为每一行添加一个”updated”时间戳。也可以用RESOLVED选项发送周期性的”resolved”时间戳信息到每一个Kafka分区。一个”resolved”的时间戳可以保证更早时间戳的行不会被发送到该分区。

• 刨去重复发送的情况，一行数据的发出顺序与事务更新该行的顺序相同。但是不保证不同行的数据变化总与事务更新它们的顺序相同。根据”updated”时间戳可以比较两行变化的发生顺序，这适用于同一集群中任意两个部分（如不同的表格间，不同的节点间）。”resolved”时间戳可以比较不同时间戳并缓存这些记录，来保证强顺序性和全局一致性。

带有列回填的模式变化

​ 当被检视的行发生了带有列回填的模式变化（例如，添加一个带有默认值的列，添加一个计算的列，添加一个NOT NULL的列，删除一列）时，changefeed将在回填阶段重复发送一些变化。结束后，用一个新的模式输出所有受检视的行。使用Avro时，被模式变化回填的行也会被重复发送。

举一个带有列回填的模式变化的例子，创建一个changefeed像下面这样发送信息：

添加一列到受检视的表格中：

>ALTER TABLE office_dogs ADD COLUMN likes_treats BOOL DEFAULT TRUE;

在使用新的模式输出记录前，重复发送三条changefeed信息：

[1] {“id”: 1, “name”: “Petee H”}

[2] {“id”: 2, “name”: “Carl”}

[3] {“id”: 3, “name”: “Ernie”}

[1] {“id”: 1, “name”: “Petee H”}Duplicate

[2] {“id”: 2, “name”: “Carl”} # Duplicate

[3] {“id”: 3, “name”: “Ernie”} # Duplicate

[1] {“id”: 1, “likes_treats”: true, “name”: “Petee H”}

[2] {“id”: 2, “likes_treats”: true, “name”: “Carl”}

[3] {“id”: 3, “likes_treats”: true, “name”: “Ernie”}

使用rangefeed减少发送延迟

​ 原本在创建changefeed后，要通过定期发送请求获得最近的变更。现在它可以保持一个长时间的连接(即rangefeed)，在变化发生的时候推送这些记录。这将减少行变化的等待时间，也减少受检视的表格在一些工作负载中发生的事务重启。

​ 要打开rangefeed，设置cluster setting中的kv.rangefeed.enabled到true。如果这个设置开启，任何的创建changefeed都将会报错。注意目前开启rangefeed会有一点性能消耗(大约5%-10%的延迟提高)，无论是否在changefeed中使用了rangefeed。

如果遇到了问题，可以回退之前的设置，将kv.changefeed.push.enabled设为false。在未来的版本这个设置将会移除。

注意：

​ 为已经存在的changefeed启动rangefeed必须先重启changefeed。暂停并恢复job实现重新启用changefeed。

​ cluster setting的kv.closed_timestamp.target_duration设置可以用在集群推送的changefeed中。已完成的时间戳将至少在这个设定的时间长度后，减少时间长度会导致集群中事务的多次重启，继而影响性能。

配置changefeed

可以创建，暂停，恢复，取消，监控，调试changefeed。

创建

创建一个changefeed：

>CREATE CHANGEFEED FOR TABLE name INTO ‘scheme://host:port’;

更多详情，查看CREATE CHANGEFEED。

暂停

暂停一个changefeed：

>PAUSE JOB job_id;

更多详情，查看PAUSE JOB。

恢复

恢复一个暂停的changefeed：

>RESUME JOB job_id;

更多详情，查看RESUME JOB。

取消

取消一个changefeed：

>CANCEL JOB job_id;

更多详情，查看CANCEL JOB。

监控changefeed

​ changefeed进程以一个高水位的时间戳暴露给用户，随着changefeed的运行而后移。这保证了所有此前的或者正在本时间戳的所有变化全部发送。你可以像这样监控changefeed：

• 在Admin UI上的Changefeed Dashboard

• 在Admin UI的Jobs page，将鼠标悬停在高水位的时间戳上查看系统时间。

• 使用ZNBase_internal.jobs：

> SELECT * FROM ZNBase_internal.jobs WHERE job_id = <job_id>;

job_id | job_type | description | … | high_water_timestamp | error | coordinator_id

+——————————+——————+————————————————————————————————————+ … +————————————————+———-+————————+ 383870400694353921 | CHANGEFEED | CREATE CHANGEFEED FOR TABLE office_dogs2 INTO ‘kafka://localhost:9092’ | … | 1537279405671006870.0000000000 |

在统计数据changefeed.max_behind_nanos上设置警报，追踪changefeed的高水位标记时间戳是否存在落后于集群垃圾回收窗口的风险。更多的内容，查看监控与报警。

注意：

在另一个changefeed结束时可以使用高水位时间戳启动一个新的changefeed。

调试changefeed

​ 使用日志信息调试changefeed使用中的连接问题(比如，kafka: client has run out of available brokers to talk to (Is your cluster reachable?)) 寻找日志中存在kafka-producer的行来调试：

I190312 18:56:53.535646 585 vendor/github.com/Shopify/sarama/client.go:123 [kafka-producer] Initializing new client I190312 18:56:53.535714 585 vendor/github.com/Shopify/sarama/client.go:724 [kafka-producer] client/metadata fetching metadata for all topics from broker localhost:9092 I190312 18:56:53.536730 569 vendor/github.com/Shopify/sarama/broker.go:148 [kafka-producer] Connected to broker at localhost:9092 (unregistered) I190312 18:56:53.537661 585 vendor/github.com/Shopify/sarama/client.go:500 [kafka-producer] client/brokers registered new broker #0 at 172.16.94.87:9092 I190312 18:56:53.537686 585 vendor/github.com/Shopify/sarama/client.go:170 [kafka-producer] Successfully initialized new client |

使用范例

创建一个连接到Kafka的changefeed

在本示例中，你将为一个单节点集群创建changefeed连接到Kafka sink。

1. 启动服务：

$ bini start —insecure —listen-addr=localhost —background

1. 下载并解压Confluent Open Source platform(包含Kafka服务)

2. 将解压文件移动到confluent-<version>文件夹并启动服务：

只需要zookeeper和kafka两个文件。confluent的使用如遇问题，请查看他们的文档。

1. 创建一个Kafka topic：

1. 以root用户打开内置的SQL client：

$ ZNBase sql —insecure

1. 打开cluster setting的kv.rangefeed.enabled：

> SET CLUSTER SETTING kv.rangefeed.enabled = true;

1. 创建一个数据库：

> CREATE DATABASE cdc_demo;

> SET DATABASE cdc_demo;

1. 创建表格并添加数据：

> CREATE TABLE office_dogs ( id INT PRIMARY KEY, name STRING);

> INSERT INTO office_dogs VALUES (1, ‘Petee’), (2, ‘Carl’);

> UPDATE office_dogs SET name = ‘Petee H’ WHERE id = 1;

1. 启动changefeed：

> CREATE CHANGEFEED FOR TABLE office_dogs INTO ‘kafka://localhost:9092’;

job_id

+——————————+

360645287206223873

这将在后台启动changefeed并返回job_id。changefeed会写入到Kafka。

1. 在一个新的终端进入解压缩的文件夹confluent-<version>并启动查看Kafka topic：

$ ./bin/kafka-console-consumer \ —bootstrap-server=localhost:9092 \ —property print.key=true \ —from-beginning \ —topic=office_dogs $ [1] {“id”: 1, “name”: “Petee H”} [2] {“id”: 2, “name”: “Carl”}

注意初始化扫描显示changefeed启动时的表格状态(因此初始化的”Petee”被忽略掉)。

1. 回到SQL client插入更多数据：

> INSERT INTO office_dogs VALUES (3, ‘Ernie’);

1. 回到查看Kafka topic的终端，可以看到下面的输出：

$ [3] {“id”: 3, “name”: “Ernie”}

1. 完成后退出SQL shell(\q)

2. 停止服务，执行以下命令：

$ ZNBase quit —insecure

1. 停止Kafka，进入解压缩的confluent-<version>文件夹并停止Confluent：

CREATE CHANGEFEED

CREATE CHANGEFEED 语句创建一个新的数据变化推送，提供行级别的推送服务。

权限需求

changefeed只能被超级用户创建。例如admin角色的成员。admin角色默认存在root用户作为成员。

语法格式

参数说明

Sink URI

Sink URI的基本格式如下：

‘[scheme]😕/[host]“[port]?[query_parameters]‘

Scheme可以是kafka或者下面的任何的云存储sink。

1、Kafka

Kafka sink URI示例：

‘kafka://broker.address.com:9092?topic_prefix=bar_&tls_enable=true&ssl_user=petee&sasl_password=bones’

查询参数包括：

2、云存储sink

用云存储sink将changefeed数据发送到OLAP数据库或者大数据系统，而无需通过Kafka进行传输。

注意：目前云存储 sink 只支持 JSON 格式，并且使用发送换行符分割的JSON文件。一个云存储sink(即AWS S3) URI的例子：

‘experimental-s3://test-s3encryption/test?AWS_ACCESS_KEY_ID=ABCDEFGHIJKLMNOPQ&AWS_SECRET_ACCESS_KEY=LS0tLS1CRUdJTiBDRVJUSUZ’

注意：云存储的scheme应该使用前缀experimental-。

下面的云存储都可以用作 sink：

警告：

如果写到多节点的集群的nodelocal本地存储，则单个数据文件将被写入任意节点extern目录，且有可能无法按照预期工作。为了正确运行，每个节点必须使用—external-io-dir选项，指向相同的NFS或其他网络支持的共享存储。

注意：

位置的参数经常包含需要以URI形式编码的特殊的字符，可以用Javascript的encodeURIComponent函数或者Go语言的url.QueryEscape函数编码。其他语言也会提供类似的函数转转义这些特殊字符。

注意：

如果你的环境需要一个HTTP或者HTTPS代理服务器进行Go语言的相关连接，你可以在启动服务前设置基础的HTTP_PROXY和HTTPS_PROXY环境变量。

• 如果AUTH未指定参数，则cluster setting的cloudstorage.gs.default.key选项非空，否则AUTH将使用implicit。如果AUTH参数是implicit，所有GCS连接会使用Google的默认认证策略。如果AUTH参数是default，cloudstorage.gs.default.key需要被设为授权过程中使用的服务账户文件的内容。如果AUTH参数是specified，则根据每个语句对GCS连接进行身份验证，允许JSON键对象在CREDENTIALS参数中被发送。JSON键要基于64位编码。

• 你可以用Caddy或者ngix创建自己的HTTP服务。通过设置cloudstorage.http.customer_ca，一个常规的根CA可以追加到系统的默认CA，从HTTPS URL确认证书的时候起到作用。

• NFS 驱动上的文件系统备份位置取决于启动节点—external-io-dir指定的路径。如果该标志设置为disable，则禁止从本地目录和NFS驱动器导入。

• NFS/Local的主机可以为空，也可以为nodeID。如果指定nodeID，也忽略（即，可以向任何节点发送，并且看上去像本地的文件的输入输出）。但是nodeID未来可能会有用。

  3、文件URL例子

选项

1、Avro限制

目前对 Avro 的支持是实验性的。下面是 Avro 不支持的 SQL 类型和值：

• Decimal 必须要明确精度。

• 带有 NaN 或者无限的 Decimal 类型的值在 Avro 中不能被重写。

注意：

为了避免 NaN 或者无限的值，添加一个CHECK的约束来防止这些值插入到decimal的列中。

• TIME, DATE, INTERVAL, UUID, INET, ARRAY, JSONB, BIT和校对的STRING目前在Avro中还不支持。

2、Avro类型

响应

信息（即键和值）发送到一个Kafka的topic被指定到一个envelope。默认的格式是 wrapped，输出信息由以下组成：

• 键：一行数据由行的主键字段构成键（如，JSON 的[1]或 Avro 的{“id”:{“long”:1}}）
• 值：

​ 1、三种可能的字段之一：

​ 1）、after：包含行在更新后的状态（或DELETE后的null状态）

​ 2）、updated：包含更新后的时间戳

​ 3）、resolved：用于表示已完成的时间戳记录。这些记录不包含after值，因为本函数仅作为一个检查点。

​ 2、 INSERT和UPDATE，表示目前行状态为被插入的或被更新的。

​ 3、DELETE操作，null状态。

实例：

语法示例

> CREATE CHANGEFEED FOR TABLE name INTO ‘kafka://host:port’ WITH updated, resolved;

+——————————+

| job_id |

+——————————+

| 360645287206223873 |

+——————————+

(1 row) |

​ 创建一个连接到Kafka的changefeed，包含before功能

> CREATE CHANGEFEED FOR TABLE name INTO ‘kafka://host:port’ WITH updated, resolved,diff,type;

+——————————+

| job_id |

+——————————+

| 360645287206223873 |

+——————————+

(1 row) |

json格式显示，使用type时，必须有diff

2、使用 Avro 创建一个连接到 Kafka 的 changefeed

> CREATE CHANGEFEED FOR TABLE name INTO ‘kafka://host:port’ WITH format = experimental_avro, confluent_schema_registry = <schema_registry_address>;

+——————————+

| job_id |

+——————————+

| 360645287206223873 |

+——————————+

(1 row) |

使用 Avro 创建一个连接到 Kafka 的 changefeed，包含before功能

> CREATE CHANGEFEED FOR TABLE name INTO ‘kafka://host:port’ WITH format = experimental_avro, confluent_schema_registry = <schema_registry_address>,diff,type;

+——————————+

| job_id |

+——————————+

| 360645287206223873 |

使用type时，必须有diff

3、管理 changefeed

​ 使用如下的语句暂停，继续，取消一个 changefeed。

1）暂停一个 changefeed

> PAUSE JOB job_id;

更多信息查看 PAUSE JOB。

2）继续一个暂停的 changefeed

> RESUME JOB job_id;

更多信息查看 RESUME JOB。

3）取消一个 changefeed

> CANCEL JOB job_id;

更多信息查看 CANCEL JOB。

4）从另一个结束的地方开始一个新的 changefeed

找到结束的 changefeed 最后的时间戳：

用 high_water_timestamp 开始一个新的 changefeed：

> CREATE CHANGEFEED FOR TABLE name INTO ‘kafka//host:port’ WITH cursor = ‘<high_water_timestamp>’;