我正在使用JDBC连接器将数据从MySQL移动到Kafka。我感兴趣的数据来自3个表的选择连接,因此我为连接器配置了mode:incrementing
和query
:
{
"name": "stats",
"config": {
"connector.class": "io.confluent.connect.jdbc.JdbcSourceConnector",
"key.converter": "io.confluent.connect.avro.AvroConverter",
"key.converter.schema.registry.url": "http://schema-registry.kafka-broker:8081",
"value.converter": "io.confluent.connect.avro.AvroConverter",
"value.converter.schema.registry.url": "http://schema-registry.kafka-broker:8081",
"connection.url": "jdbc:mysql://DB_HOST:3306/SCHEMA?user=USER&password=PASSWORD&zeroDateTimeBehavior=CONVERT_TO_NULL&useSSL=false",
"mode": "incrementing",
"validate.non.null": "false",
"topic.prefix": "t",
"incrementing.column.name": "s.id",
"transforms": "createKey,extractString",
"transforms.createKey.type": "org.apache.kafka.connect.transforms.ValueToKey",
"transforms.createKey.fields": "uuid",
"transforms.extractString.type": "org.apache.kafka.connect.transforms.ExtractField$Key",
"transforms.extractString.field": "uuid",
"quote.sql.identifiers":"never",
"query": "select s.id, concat(database(), '_', s.id) as uuid, c.email, s.type as type, s.created_at as log_date, a.type as a_type from stats s join concact c on c.id = s.recipient_id join address a on a.id = s.address_id",
"errors.tolerance": "all",
"errors.log.enable": "true",
"errors.log.include.messages": "true",
"batch.max.rows": "100",
"poll.interval.ms": "60000"
}
}
检查连接器状态时,我正在运行:
curl http://conncet:8083/connectors/stats/status
{
"name": "stats",
"connector": {
"state": "RUNNING",
"worker_id": "connect-3:38083"
},
"tasks": [
{
"id": 0,
"state": "RUNNING",
"worker_id": "connect-1:18083"
}
],
"type": "source"
}
但是一个小时后,我仍然看不到创建的主题。我已经在MySQL中检查了哪些查询正在使用show full processlist;
运行,并且我看到了两个类似的查询:
select s.id, concat(database(), '_', s.id) as uuid, c.email, s.type as type, s.created_at as log_date, a.type as a_type from stats s join concact c on c.id = s.recipient_id join address a on a.id = s.address_id WHERE s.id > -1 ORDER BY s.id ASC
因此,基本上该查询与我在连接器配置中的query
中提供的查询以及WHERE s.id > -1 ORDER BY s.id ASC
相同,因为此联接中的查询产生的结果集为21密耳行,MySQL正在发送数据需很长时间。当我再次使用show full processlist;
检查时,我现在看到这样的4个查询,然后是8个,然后是16个,依此类推。
问题是:
s.id > -1 ORDER BY s.id ASC
时,Kafka connect试图一次获取 ALL 行。 "batch.max.rows": "100"
仅在初始轮询后控制批次大小吗?更新:
此issue有一个开放主题。我认为这个问题可以解决。
答案 0 :(得分:1)
query.suffix已在5.5中添加。我用它添加了一个limit语句,并且效果很好,它只是将限制附加到查询的末尾。
请参阅issue
答案 1 :(得分:0)
带有incrementing
mode
并传递了query
的JDBC Source Connector,
使用以下where子句执行该查询:WHERE incrementingColumnName > lastIncrementedValue ORDER BY incrementingColumnName ASC
。
(如果您使用增量模式并进行查询,则无法在其中传递where
子句)。
第一次轮询lastIncrementedValue
为-1,因此它尝试查询所有记录。提取每个记录后,lastIncrementedValue增加,因此下一次查询将仅轮询新数据。
batch.max.rows
指的是SourceTask::poll(...)
将返回多少个记录到Kafka Connect框架。
这是将立即发送到Kafka的批处理的最大大小。
我认为,当您从单个表中获取数据时,它的工作速度更快,因为查询的执行速度更快(不太复杂)。 如果使用其他SQL工具执行这些查询,则会执行类似的操作。