使用带有 Avro 序列化的 Debezium mongodb CDC 创建的模式太多

Posted 2023-03-23

【中文标题】使用带有 Avro 序列化的 Debezium mongodb CDC 创建的模式太多

【英文标题】：Too many schemas created using Debezium mongodb CDC with Avro serializing

【发布时间】：2019-07-11 22:36:54

【问题描述】：

我正在使用 Debezium mongodb 连接器从 mongo 中的 30GB 集合流式传输更改。

这是我的配置：

"config": 
    "connector.class" : "io.debezium.connector.mongodb.MongoDbConnector",
    "tasks.max" : "1",
    "mongodb.hosts" : "",
    "mongodb.name" : "",
    "mongodb.user" : "",
    "mongodb.password" : "",
    "database.whitelist" : "mydb",
    "collection.whitelist" : "mydb.activity",
    "database.history.kafka.bootstrap.servers" : "kafka:9092",
    "transforms": "unwrap",
    "transforms.unwrap.type" : "io.debezium.connector.mongodb.transforms.UnwrapFromMongoDbEnvelope",
    "key.converter" : "io.confluent.connect.avro.AvroConverter",
    "key.converter.schema.registry.url" : "http://schema-registry:8081",
    "value.converter" : "io.confluent.connect.avro.AvroConverter",
    "value.converter.schema.registry.url" : "http://schema-registry:8081",
    "internal.key.converter" : "org.apache.kafka.connect.json.JsonConverter",
    "internal.value.converter"  : "org.apache.kafka.connect.json.JsonConverter",
    "schema.compatibility" : "NONE"

起初，我得到一个“为主题创建的架构太多”，所以我添加了

"value.converter.max.schemas.per.subject" : "100000"

现在，在模式注册表中为主题值创建了许多模式后，kafka-connect 的速度急剧下降。

我在 kafka-streams 应用程序中使用此主题，因此无法将 SMT 移动到接收器（没有接收器连接器）

架构在集合项之间更改但不超过 500 次，并且还向后兼容，所以我不明白为什么要创建这么多架构。

任何建议都会有所帮助

【问题讨论】：

你尝试过使用 JSON 连接器吗？

我真的很想在这种情况下使用 avro 序列化

【参考方案1】：

我最终编写了一个将架构保存在缓存中的 SMT，以实现 2 个目标： 1.保持字段的顺序。 2. 在每个记录模式中将所有字段作为可选字段。

这样，架构会不断发展，直到它包含字段的所有选项，然后除非添加新字段，否则不会再发生任何变化。

【讨论】：

嘿@Daniel Shalev。你能分享更多关于 SMT 是如何实施的吗？我有几乎相同的问题，非常感谢您的帮助。谢谢！