1. 背景

在我們的業務開發中，往往會碰到下面這個場景：

• 業務更新數據寫到數據庫中
• 業務更新數據需要實時傳遞給下游依賴處理

所以傳統的處理架構可能會這樣：

但這個架構也存在著不少弊端：我們需要在項目中維護很多發送消息的代碼。新增或者更新消息都會帶來不少維護成本。所以，更好的處理方式應該是直接將數據庫的數據接入到流式系統中，如下圖：

本文將演示如何在E-MapReduce上實現將RDS binlog實時同步到Kafka集群中。

2. 環境準備

實驗中使用VPC網絡環境，以下實例創建時默認都是在VPC環境下。

2.1 準備一個測試RDS數據庫

創建一個RDS實例，版本選擇5.7。這里不贅述如何創建RDS，詳細流程請參考RDS文檔。創建完如圖：

2.2 準備一個Kafka集群

創建一個E-MapReduce Kafka集群，版本選擇EMR-3.11.0。需要注意，這里必須選擇EMR-3.11.0以上版本，否則不會默認安裝啟動Kafka Connect服務。詳細創建流程請參考E-MapReduce文檔。創建完如圖：

注意：RDS實例和E-MapReduce Kafka集群***在同一個VPC中，否則需要打通兩個VPC之間的網絡。

3. Kafka Connect

3.1 Connector

Kafka Connect是一個用于Kafka和其他數據系統之間進行數據傳輸的工具，它可以實現基于Kafka的數據管道，打通上下游數據源。我們需要做的就是在Kafka Connect服務上運行一個Connector，這個Connector是具體實現如何從/向數據源中讀/寫數據。Confluent提供了很多Connector實現，你可以在這里下載。不過今天我們使用Debezium提供的一個MySQL Connector插件，下載地址。

下載這個插件，并將解壓出來的jar包全部拷貝到kafka lib目錄下。注意：需要將這些jar包拷貝到Kafka集群所有機器上。

在Kafka集群的服務列表中重啟Kafka Connect組件。

3.2 啟動Connector

在創建connector前，我們需要做一番配置，這里羅列一些Debezium MySQL Connector的主要配置項：

登錄到Kafka集群，配置并創建一個connector，命令如下：

這時，我們可以看到一個創建好的connector，如圖：

3.3 注意事項

server_id是多少?：你可以在RDS執行"SELECT @@server_id;"查到。

創建connector時可能會出現連接失敗，請確保RDS的白名單已經授權了Kafka集群機器訪問。

4 測試

4.1 創建一張表

一會之后，Kafka集群中會自動創建一個對應的topic

插入幾條數據

查看binlog數據

查看fulfillment.mugen.students這個topic，是否有剛剛新插入的數據

結果如圖所示：

5. 資料

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