Kafka Connect 与 Debezium CDC 实战
以 Debezium 与 Kafka Connect 为核心讲透 CDC 生产落地：逻辑解码与初始快照衔接、Schema Registry 兼容性策略、重复与顺序保证、复制槽膨胀与断点续传、增量快照补救、监控指标与典型故障处置、下游幂等与吞吐调优
tag
Debezium
共 8 篇文章。
CDC 数据同步：Debezium 与 Kafka 架构实战
深入变更数据捕获原理与 Debezium 架构，讲解 Connector 配置、同步到搜索与数仓的管线、Outbox 联动，以及位点容错、幂等写入与同步延迟水位线的生产实践
数据库迁移策略：零停机Schema变更与数据同步实战
全面讲解数据库迁移的核心策略与最佳实践，涵盖在线Schema变更、大表迁移、跨数据库迁移、数据同步等场景，提供gh-ost、pg_repack、Debezium等工具的实战案例。
PostgreSQL 逻辑复制与 CDC：发布订阅、WAL 解码、零停机迁移与 Debezium/Kafka 集成
系统讲解 PostgreSQL 逻辑复制与变更数据捕获（CDC）：逻辑复制原理与 WAL 解码（pgoutput/wal2json/decoderbufs）、发布订阅（CREATE PUBLICATION/SUBSCRIBE）配置、逻辑复制做故障切换与零停机迁移、初始同步机制、DDL 限制与数据冲突处理、与 Debezium/Kafka 的数据流集成、复制延迟监控与性能优化。
CDC 与实时数据管道：Canal、Debezium、Flink CDC 的架构与实战
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"小时"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：它从数据库的日志（MySQL binlog、PostgreSQL …
Kafka Connect CDC 实战：Debezium 数据同步与变更捕获
深入解析 Kafka Connect 与 Debezium 的 CDC 数据捕获架构，涵盖 MySQL、PostgreSQL Source Connector 配置，Elasticsearch 与 S3 Sink Connector 实践，Schema Evolution 策略以及 SMT 单条消息转换。
Kafka Connect 与 CDC 集成实战：Debezium、Schema Registry 与数据同步
Kafka Connect Source/Sink Connector、Debezium CDC 监听数据库变更、Schema Registry 与 Avro/Protobuf/JSON Schema
数据同步与CDC实战：基于Debezium构建实时数据管道
深入讲解Change Data Capture（CDC）技术原理与实现方案，详解Debezium的部署与配置，提供MySQL/PostgreSQL到Kafka/Elasticsearch的实时数据同步实战案例，涵盖Schema演进与故障恢复策略。