<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Change-Data-Capture on PlumePHP</title><link>https://plumephp.com/tags/change-data-capture/</link><description>Recent content in Change-Data-Capture on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sat, 26 Sep 2026 00:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/change-data-capture/index.xml" rel="self" type="application/rss+xml"/><item><title>CDC 与实时数据管道：Canal、Debezium、Flink CDC 的架构与实战</title><link>https://plumephp.com/database-cdc/</link><pubDate>Sat, 26 Sep 2026 00:00:00 +0800</pubDate><guid>https://plumephp.com/database-cdc/</guid><description>&lt;p&gt;业务库的数据是实时的，而下游的数据仓库、缓存、搜索引擎往往是滞后的——传统 ETL 定时全量同步的延迟以&amp;quot;小时&amp;quot;计，且全量扫描对源库冲击大。CDC（Change Data Capture，变更数据捕获）改变了这一切：&lt;strong&gt;它从数据库的日志（MySQL binlog、PostgreSQL WAL、MongoDB oplog）里&amp;quot;偷听&amp;quot;每一次变更，以毫秒级延迟把增量数据流式推给下游&lt;/strong&gt;。本指南深入 CDC 的底层原理（binlog/WAL 解析、位点管理、Exactly-Once）、主流工具（Canal、Debezium、Flink CDC）的架构与选型、与 Kafka/Flink 的组合链路、Schema 演进处理，以及生产级 CDC 管道的设计与避坑。&lt;/p&gt;</description></item></channel></rss>