【IT168 技术】本文介绍如何在E-MapReduce上使用Kafka Connect实现同步RDS binlog数据

　　1. 背景

　　在我们的业务开发中，往往会碰到下面这个场景：

　　业务更新数据写到数据库中

　　业务更新数据需要实时传递给下游依赖处理

　　所以传统的处理架构可能会这样：

　　但这个架构也存在着不少弊端：我们需要在项目中维护很多发送消息的代码。新增或者更新消息都会带来不少维护成本。所以，更好的处理方式应该是直接将数据库的数据接入到流式系统中，如下图：

　　本文将演示如何在E-MapReduce上实现将RDS binlog实时同步到Kafka集群中。

　　2. 环境准备

　　实验中使用VPC网络环境，以下实例创建时默认都是在VPC环境下。

　　2.1 准备一个测试RDS数据库

　　创建一个RDS实例，版本选择5.7。这里不赘述如何创建RDS，详细流程请参考RDS文档。创建完如图：

　　2.2 准备一个Kafka集群

　　创建一个E-MapReduce Kafka集群，版本选择EMR-3.11.0。需要注意，这里必须选择EMR-3.11.0以上版本，否则不会默认安装启动Kafka Connect服务。详细创建流程请参考E-MapReduce文档。创建完如图：

　　注意：RDS实例和E-MapReduce Kafka集群最好在同一个VPC中，否则需要打通两个VPC之间的网络。

　　3. Kafka Connect

　　3.1 Connector

　　Kafka Connect是一个用于Kafka和其他数据系统之间进行数据传输的工具，它可以实现基于Kafka的数据管道，打通上下游数据源。我们需要做的就是在Kafka Connect服务上运行一个Connector，这个Connector是具体实现如何从/向数据源中读/写数据。Confluent提供了很多Connector实现，你可以在这里下载。不过今天我们使用Debezium提供的一个MySQL Connector插件，下载地址。

　　下载这个插件，并将解压出来的jar包全部拷贝到kafka lib目录下。注意：需要将这些jar包拷贝到Kafka集群所有机器上。

　　在Kafka集群的服务列表中重启Kafka Connect组件。

　　3.2 启动Connector

　　在创建connector前，我们需要做一番配置，这里罗列一些Debezium MySQL Connector的主要配置项：

　　登录到Kafka集群，配置并创建一个connector，命令如下：

　　这时，我们可以看到一个创建好的connector，如图：

　　3.3 注意事项

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

　　创建connector时可能会出现连接失败，请确保RDS的白名单已经授权了Kafka集群机器访问。

　　4 测试

　　4.1 创建一张表

　　一会之后，Kafka集群中会自动创建一个对应的topic

　　插入几条数据

　　查看binlog数据

　　查看fulfillment.mugen.students这个topic，是否有刚刚新插入的数据

　　结果如图所示：

　　5. 资料

　　confluent官方文档 https://docs.confluent.io

　　debezium官网 http://debezium.io/

　　kafka官方文档 http://kafka.apache.org/documentation.html