Kafka JDBC连接器加载所有数据,然后增量

时间:2017-05-04 00:38:18

标签: elasticsearch apache-kafka apache-kafka-connect confluent

我试图弄清楚如何从查询中获取所有数据,然后逐步增加仅使用kafka连接器进行更改。原因是我想将所有数据加载到弹性搜索中,然后保持与我的kafka流同步。 目前,我首先使用mode = bulk的连接器,然后将其更改为时间戳。这很好用。

但是,如果我们想要将所有数据重新加载到Streams和ES,则意味着我们必须编写一些脚本以某种方式清除或删除kafka流和es索引数据,修改connect ini以将模式设置为bulk,重启一切,给它时间加载所有数据,然后再次修改脚本到时间戳模式,然后再次重新启动所有内容(需要这样的脚本的原因偶尔,批量更新通过etl进程纠正历史数据我们还没有有权控制,而且这个过程不会更新时间戳)

是否有人做过类似的事情并找到了更优雅的解决方案?

2 个答案:

答案 0 :(得分:0)

  

如何最初从查询中获取所有数据,然后使用kafka连接器逐步增加更改。

也许这可能会对你有所帮助。例如,我有一张表:

╔════╦═════════════╦═══════════╗
║ Id ║    Name     ║  Surname  ║
╠════╬═════════════╬═══════════╣
║  1 ║ Martin      ║ Scorsese  ║
║  2 ║ Steven      ║ Spielberg ║
║  3 ║ Christopher ║ Nolan     ║
╚════╩═════════════╩═══════════╝

在这种情况下,我将创建一个视图:

CREATE OR REPLACE VIEW EDGE_DIRECTORS AS
SELECT 0 AS EXID, ID, NAME, SURNAME
FROM DIRECTORS WHERE ID =< 2
UNION ALL
SELECT ID AS EXID, ID, NAME, SURNAME
FROM DIRECTORS WHERE ID > 2;

在kafka jdbc连接器的属性文件中,您可以使用:

connector.class=io.confluent.connect.jdbc.JdbcSourceConnector
mode=incrementing
incrementing.column.name=EXID
topic.prefix=
tasks.max=1
name=gv-jdbc-source-connector
connection.url=
table.types=VIEW
table.whitelist=EDGE_DIRECTORS

所以kafka jdbc连接器将采取措施:

  1. 首先是EXID = 0的所有数据;
  2. 它将在connector.offsets文件中存储偏移值= 0;
  3. 新行将插入DIRECTORS表中。
  4. Kafka JDBC连接器将 执行:Select EXID, ID, NAME, SURNAME FROM EDGE_DIRECTORS并且将会 请注意EXID已增加。
  5. 数据将在Kafka Streams中更新。

答案 1 :(得分:0)

经过很长一段时间回到这里。方法能够解决这个问题,而且永远不必使用批量模式

  1. 停止连接器
  2. 擦除每个连接器的偏移文件jvm
  3. (可选)如果你想做一个完整的擦除和加载,你可能也想删除你的主题使用kafka / connect utils / rest api(并且不要忘记状态主题)
  4. 重新启动连接。