Kafka Connect：JDBC Source Connector：创建具有多个分区的主题

Question

我已经从MySQL创建了一个样本管道轮询数据并写入HDFS（hive表）。

由于我的要求，我需要为每个db表创建Source + Connector对。我发布了源和接收器连接器的配置设置。

我可以看到一个主题是用一个分区创建的，复制因子为1。

主题创建应该是自动的，这意味着我无法在创建Source + Sink对之前手动创建主题。

我的问题：

1）创建源连接器时是否有办法配置分区数和复制因子？

2）如果可以创建多个分区，源连接器使用什么样的分区策略？

3）是否应为源和接收器连接器创建正确数量的工作器？

源连接器：

{
  "connector.class": "io.confluent.connect.jdbc.JdbcSourceConnector",
  "mode": "timestamp+incrementing",
  "timestamp.column.name": "modified",
  "incrementing.column.name": "id",
  "topic.prefix": "jdbc_var_cols-",
  "tasks.max": "1",
  "poll.interval.ms": "1000",
  "query": "SELECT id,name,email,department,modified FROM test",
  "connection.url": "jdbc:mariadb://127.0.0.1:3306/connect_test?user=root&password=confluent"
}

水槽连接器：

{
  "connector.class": "io.confluent.connect.hdfs.HdfsSinkConnector",
  "topics.dir": "/user/datalake/topics-hive-var_cols3",
  "hadoop.conf.dir": "/tmp/quickstart/hadoop/conf",
  "flush.size": "5",
  "schema.compatibility": "BACKWARD",
  "connect.hdfs.principal": "[email protected]",
  "connect.hdfs.keytab": "/tmp/quickstart/datalake.keytab",
  "tasks.max": "3",
  "topics": "jdbc_var_cols-",
  "hdfs.url": "hdfs://mycluster:8020",
  "hive.database": "kafka_connect_db_var_cols3",
  "hdfs.authentication.kerberos": "true",
  "rotate.interval.ms": "1000",
  "hive.metastore.uris": "thrift://hive_server:9083",
  "hadoop.home": "/tmp/quickstart/hadoop",
  "logs.dir": "/logs",
  "format.class": "io.confluent.connect.hdfs.avro.AvroFormat",
  "hive.integration": "true",
  "hdfs.namenode.principal": "nn/[email protected]",
  "hive.conf.dir": "/tmp/quickstart/hadoop/conf"
}

Answer 1

1）创建源连接器时是否有办法配置分区数和复制因子？

不是来自Connect，没有。

听起来你在代理上启用了自动主题创建，所以它使用的是默认值。理想情况下，这应该在生产环境中禁用，因此您必须提前创建主题。

Source Connector使用什么样的分区策略？

取决于哪个连接器以及代码的编写方式（即它是否/如何生成Record的密钥）。例如，假设使用JDBC连接器，密钥可能是数据库表的主键。它将使用DefaultPartitioner进行哈希处理。我不相信Connect允许您在每个连接器级别指定自定义分区程序。如果键为null，则消息将分布在所有分区上。

3）是否应为源和接收器连接器创建正确数量的工作器？

再次，取决于来源。对于JDBC，每个表只有一个任务。

但是，对于接收器，任务只能达到被接收主题的分区数（与所有使用者组一样）。

---

此外，您通常会分别从数据库（和Hadoop集群）运行Connect集群