Question

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：

为什么在添加s.id > -1 ORDER BY s.id ASC时，Kafka connect试图一次获取 ALL 行。
是否可以将连接器配置为不执行此操作，而是获取较小的数量？
"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。

Answer 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

Answer 2

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。

Kafka Connect JDBC连接器查询+初始轮询时具有大型数据集的增量模式扼流圈

2 个答案: