数据集成提供了 Kafka 的读取和写入能力，本文为您介绍使用 Kafka 进行实时数据同步的前置环境配置以及当前能力支持情况。
支持版本
目前数据集成已支持 Kafka 单表及整库级实时读写，使用实时同步能力需遵循以下版本限制：
节点 | 版本 |
Kafka | 2.4.1、2.7.1、2.8.1、2.8.2 |
使用限制
Kafka 整库来源端需满足 canal-json、debezium、ogg-json 序列化格式。
一个整库任务支持多个 Topic，需要切换至手写模式并用逗号分割。
canal-json/debezium 格式需要包含 mysqltype，sqltype， primarykey 字段。
Kafka 为来源端时仅支持将新增列、删除列、新增表事件同步到目标端。
Kafka环境准备
Kafka 客户端与服务端建立连接的过程如下所示：
1. 客户端使用您指定的 bootstrap.servers 地址连接 Kafka 服务端，Kafka 服务端根据配置向客户端返回集群中各台 broker 的元信息，包括各台 broker 的连接地址。
2. 客户端使用第一步 broker 返回的连接地址连接各台 broker 进行读取或写入：
我们需要注意当 bootstrap.servers 地址可以连通时，仍然报网络问题连通性问题时，您可以参考以下方式进行排查。
排查下 Kafka 服务端返回的 broker 连接地址是否连通性存在问题。
检查 Kafka broker 配置文件 server.properties 中 listeners 和 advertised.listeners 的地址是否可以和集成资源组网络连通。
3. Kafka 目标端支持 Topic 自动创建，支持指定 Partition 分区策略。如需使用自动创建 Topic 能力，请提前在 Kafka 服务端设置：
auto.create.topics.enable=true
开启自动创建 Topic 功能后，目标 Topic 需遵守 CKafka/kafka Topic 命名规则，以防止任务运行时 Topic 创建失败。
Kafka 开启自动创建 Topic 时，请合理配置好分区数，避免造成性能问题。
整库读取配置
数据来源设置
参数 | 说明 |
数据来源 | 选择需要同步的 Kafka 数据源。 |
来源 Topic | 选择或输入任务计划消费的 Topic 名称。 |
序列化格式 | 设置 Kafka 内原始消息格式，目前支持解析 canal-json、debezium、ogg-json。 说明： 设置格式需与消息实际格式保持一致。 |
读取位置 | 设置 Kafka 数据读取位点： 从最早开始：earlist。 从最新开始：latest。 从指定时间开始：设定具体任务启动时间位点。 |
高级设置（可选） | 可根据业务需求配置参数。 |
支持的目标数据源
当前支持将 Kafka 数据实时整库同步到以下类型的目标端：
整库写入配置
数据目标设置
参数 | 说明 |
数据源 | 选择需要同步的目标数据源 |
序列化格式 | 支持 canal-json 和 debezium 两种格式 |
Update 消息合并 | 开关关闭：源端一条记录的一次 Update 变更，对应两条 Kafka 记录，分别为变更前和变更后的数据。 开关打开：源端一条记录的一次 Update 变更，对应一条 Kafka 记录，同时包含变更前和变更后的数据。 |
同步至多 Topic | 默认打开：此选项下可实现来源数据与目标 Topic 多对多映射，任务执行过程中将根据策略匹配对应 Topic 的名称。若Topic不存在时系统将根据 Topic 名匹配规则自动创建 Topic。 关闭：手动输入或者选择目标 Topic 名称，后续所有数据将统一写入该 Topic 内。 |
Topic 匹配策略 | 与来源表同名：默认使用与来源表同名的 Topic 。 自定义：根据定义策略规则匹配 Topic 。 |
分区规则 | 配置 topic partition 分区映射（轮询写入分区、根据表名分区、根据来源表主键分区、指定分区、自定义）： 轮询写入分区：轮询（Round Robin）上游数据写入到每个 partition。 根据表名写入分区：根据上游数据中的表名hash映射写入每个 partition。 根据来源表主键分区：根据上游数据中的主键数据内容 hash 映射写入每个 partition。 指定分区： 写入指定单分区：输入分区序号，所有消息仅写入到固定分区。 根据表规则写入多分区：支持输入库、表正则进行对象匹配，符合匹配规则的对象写入到指定分区中，规则之间顺序执行，已匹配库表不参与后续规则匹配。 自定义：支持使用 “内置参数” 拼接写入分区规则，设定后将根据分区规则对应的值对消息进行 hash 分区。 |
高级设置（可选） | 可根据业务需求配置参数。 |
支持的数据来源
当前支持将以下来源类型的数据实时整库同步到 Kafka 目标端：
附录：Canal-json/Debezium 数据格式样例
Canal-json
{"data": [{"id": "2","name": "scooter33","description": "Big 2-wheel scooter233","weight": "5.11"}],"database": "pacino99","es": 1589373560000,"id": 9,"isDdl": false,"mysqlType": {"id": "INTEGER","name": "VARCHAR(255)","description": "VARCHAR(512)","weight": "FLOAT"},"old": [{"weight": "5.12"}],"pkNames": ["id"],"sql": "","sqlType": {"id": 4,"name": 12,"description": 12,"weight": 7},"table": "products999","ts": 1589373560798,"type": "UPDATE"}
Debezium
{"schema": {"type": "struct","fields": [{"type": "struct","fields": [{"type": "int32","optional": false,"field": "id"},{"type": "string","optional": false,"field": "first_name"},{"type": "string","optional": false,"field": "last_name"},{"type": "string","optional": false,"field": "email"}],"optional": true,"name": "mysql-server-1.inventory2.customers2.Value","field": "before"},{"type": "struct","fields": [{"type": "int32","optional": false,"field": "id"},{"type": "string","optional": false,"field": "first_name"},{"type": "string","optional": false,"field": "last_name"},{"type": "string","optional": false,"field": "email"}],"optional": true,"name": "mysql-server-1.inventory2.customers2.Value","field": "after"},{"type": "struct","fields": [{"type": "string","optional": false,"field": "version"},{"type": "string","optional": false,"field": "connector"},{"type": "string","optional": false,"field": "name"},{"type": "int64","optional": false,"field": "ts_ms"},{"type": "boolean","optional": true,"default": false,"field": "snapshot"},{"type": "string","optional": false,"field": "db"},{"type": "string","optional": true,"field": "table"},{"type": "int64","optional": false,"field": "server_id"},{"type": "string","optional": true,"field": "gtid"},{"type": "string","optional": false,"field": "file"},{"type": "int64","optional": false,"field": "pos"},{"type": "int32","optional": false,"field": "row"},{"type": "int64","optional": true,"field": "thread"},{"type": "string","optional": true,"field": "query"}],"optional": false,"name": "io.debezium.connector.mysql.Source","field": "source"},{"type": "string","optional": false,"field": "op"},{"type": "int64","optional": true,"field": "ts_ms"}],"optional": false,"name": "mysql-server-1.inventory.customers.Envelope"},"payload": {"op": "c","ts_ms": 1465491411815,"before": null,"after": {"id": 12003,"first_name": "Anne322","last_name": "Kretchmar3222","email": "annek@noanswer.org3222"},"source": {"version": "1.9.6.Final","connector": "mysql","name": "mysql-server-1","ts_ms": 0,"snapshot": false,"db": "inventory333","table": "customers433","server_id": 0,"gtid": null,"file": "mysql-bin.000003","pos": 154,"row": 0,"thread": 7,"query": ""}}}
单表读取节点配置
1. 在数据集成页面左侧目录栏单击实时同步。
2. 在实时同步页面上方选择单表同步新建（可选择表单和画布模式）并进入配置页面。
参数 | 描述 |
数据来源 | Kafka 读取端数据源类型支持 Kafka。 |
Topic | Kafka 数据源中的 Topic。 |
序列化格式 | Kafka 消息序列化格式类型，支持：canal-json、ogg-json、json、avro、csv、raw。 |
消息类型 | Append 消息：Kafka 内消息来源于 Append 消息流，通常消息中不携带唯一键。写入节点建议搭配 Append 写入模式。 Upsert 消息：Kafka 内消息来源于 Upsert 消息流，通常消息中携带唯一键，设置后消息可保证 Exactly-Once。写入节点建议搭配 Upsert 写入模式。 |
唯一键 | Upsert 写入模式下，需设置唯一键保证数据有序性 |
读取位置 | 启动同步任务时开始同步数据的起始位点。支持 earliest 和 latest |
消费组 ID | 请避免该参数与其他消费进程重复，以保证消费位点的正确性。如果不指定该参数，默认设定 group.id=WeData_ group_＄{任务id}。 |
高级设置（可选） | 可根据业务需求配置参数。 |
单表写入节点配置
1. 在数据集成页面左侧目录栏单击实时同步。
2. 在实时同步页面上方选择单表同步新建（可选择表单和画布模式）并进入配置页面。
参数 | 描述 |
数据源 | Kafka 写入端数据源类型支持 Kafka。 |
Topic | Kafka 数据源中的 Topic。 |
序列化格式 | Kafka 消息序列化格式类型，支持：canal-json、json、avro。 |
写入模式 | Upsert：更新写入。当主键不冲突时，可插入新行；当主键冲突时，则进行更新。适用于目标表有主键且需要根据源端数据实时更新的场景。会有一定的性能损耗。 Append：追加写入。无论是否有主键，以插入新行的方式追加写入数据，是否存在主键冲突取决于目标端。适用于无主键且允许数据重复的场景。无性能损耗。 |
唯一键 | Upsert 写入模式下，需设置唯一键保证数据有序性 |
Partition 分区映射 | 配置 topic partition 分区映射（轮询写入分区、根据指定字段内容 Hash 写入分区、指定分区）： 轮询写入分区：轮询（Round Robin）上游数据写入到每个 partition。 根据指定字段内容 Hash ： 写入分区：根据指定字段内容 Hash 映射写入每个 partition。 指定分区：输入分区序号，所有消息仅写入到固定分区。 |
高级设置（可选） | 可根据业务需求配置参数。 |
日志采集写入节点配置
参数 | 说明 |
数据源 | 选择当前项目中可用的 Kafka 数据源，Kafka 写入端数据源类型支持 Kafka、Ckafka 。 |
topic | Kafka 数据源中的 Topic。 |
序列化格式 | Kafka 消息序列化格式类型，支持三种类型： canal-json json avro |
写入模式 | Kafka 支持两种写入模式： Append：追加写入。 Upsert：以 upsert 方式插入消息，设置后消息仅只能被消息端处理一次以保证 Exactly-Once。 |
唯一键 | Upsert 写入模式下，需设置唯一键保证数据有序性，支持多选，Append 模式则不需要设置唯一键。 |
高级设置（可选） | 可根据业务需求配置参数。 |
读写数据类型转换支持
内部类型 | Kafka 类型 |
SMALLINT | SMALLINT, TINYINT UNSIGNED, TINYINT UNSIGNED ZEROFILL |
INTEGER | INT, INTEGER, YEAR, SHORT, MEDIUMINT, SMALLINT UNSIGNED, SMALLINT UNSIGNED ZEROFILL |
BIGINT | BIGINT, INT UNSIGNED, MEDIUMINT UNSIGNED, MEDIUMINT UNSIGNED ZEROFILL, INT UNSIGNED ZEROFILL |
DECIMAL | BIGINT UNSIGNED, BIGINT UNSIGNED ZEROFILL, SERIAL, NUMERIC, NUMERIC UNSIGNED, NUMERIC UNSIGNED ZEROFILL, DECIMAL, DYNAMIC DECIMAL, DECIMAL UNSIGNED, DECIMAL UNSIGNED ZEROFILL, FIXED, FIXED UNSIGNED, FIXED UNSIGNED ZEROFILL |
FLOAT | FLOAT, FLOAT UNSIGNED, FLOAT UNSIGNED ZEROFILL |
DOUBLE | DOUBLE, DOUBLE UNSIGNED, DOUBLE UNSIGNED ZEROFILL, DOUBLE PRECISION, DOUBLE PRECISION UNSIGNED, ZEROFILL, REAL, REAL UNSIGNED, REAL UNSIGNED ZEROFILL |
TIMESTAMP | ATETIME, TIMESTAMP WITH LOCAL TIME ZONE, TIMESTAMP WITH TIME ZONE |
TIMESTAMP_WITH_TIMEZONE | TIMESTAMP, TIMESTAMP WITH LOCAL TIME ZONE, TIMESTAMP WITH TIME ZONE |
BLOB | BLOB, TINYBLOB, MEDIUMBLOB, LONGBLOB |
VARCHAR | JSON, VARCHAR, TEXT, TINYTEXT, MEDIUMTEXT, LONGTEXT |
