[Verse 1] Debezium capture chaque changement Dans PostgreSQL en temps réel MySQL, MongoDB également Les données bougent, c'est essentiel Change Data Capture au premier plan Pour synchroniser efficacement [Chorus] Trois patrons de connecteurs Pour Kafka dans Kubernetes Debezium, S3, JDBC Les données voyagent sans arrêt Sources et destinations Dans nos configurations [Verse 2] S3 Sink vers le lac de données Azure Blob pour stocker massivement Les événements sont acheminés Depuis Kafka directement Format Parquet ou JSON au choix L'ingestion suit nos lois [Chorus] Trois patrons de connecteurs Pour Kafka dans Kubernetes Debezium, S3, JDBC Les données voyagent sans arrêt Sources et destinations Dans nos configurations [Verse 3] JDBC Source lit les tables SQL Sink écrit vers la base Relationnelles, c'est naturel Chaque ligne trouve sa place Elasticsearch indexe pour chercher Les documents sont organisés [Bridge] MirrorMaker 2 réplique entre clusters Haute disponibilité assurée Les topics se dupliquent sans blessure La continuité est préservée [Chorus] Trois patrons de connecteurs Pour Kafka dans Kubernetes Debezium, S3, JDBC Les données voyagent sans arrêt Sources et destinations Dans nos configurations [Outro] Strimzi orchestre le tout ensemble Sur Kubernetes déployé Les connecteurs se rassemblent Pour faire couler les données
← 2 Gestion déclarative des connecteurs | 4 Atelier pratique : Pipeline CDC avec Debezium →