特色文章
- 使用 Debezium 检测数据变异模式
- Debezium 异步引擎
- Debezium 和 TimescaleDB
- 精简性能：Debezium JDBC 连接器批处理支持
- Debezium Operator 飞向云端
- Debezium 信令与通知 - 第三部分：JMX 通道
- 使用数据库数据流进行在线机器学习
- Debezium 信令与通知 - 第二部分：自定义
- Debezium 信令与通知 - 第一部分
- 使用 Debezium 和 TensorFlow 进行图像分类
- Bolt 中的流式 Vitess
- 微服务的分布式数据 — 事件溯源 vs. 变更数据捕获
- 使用变更数据捕获和流处理构建审计日志
- WePay 中的流式 Cassandra - 第一部分
- 使用 Outbox 模式进行可靠的微服务数据交换
- 使用变更数据捕获自动使缓存失效
- 使用 Hibernate 和 Debezium 实现聚合视图物化
- 基于日志的变更数据捕获的五大优势
- 使用 Debezium 和 Kafka Streams 创建 DDD 聚合
- 将数据库中的数据更改流式传输到 Elasticsearch
标签
UI WebAssembly ai analytics announcement announcement discussion survey apache kafka apache kafka apicurio avro aws batch caassandra camel cassandra cdc cdc tables channels charts chicory cockroachdb community community stories configuration connectors containers core cqrs custom data data engineering data replication datalake db2 ddd debezium debezium operator debezium platform debezium server debezium ui debugging deduplication demo discussion dlt dlthub docker elasticsearch embedded engine event sourcing exactly once semantics example examples features fedora flamegraphs flink go graalvm hiring howto ibmi iceberg images informix integration internals introduction jaeger jdbc json kafka kafka streams kafka streams kogito ksql kubernetes lakehouse lineage machine learning mandrel mariadb metrics microservices mongo mongodb monitoring mysql native news newsletter notifications online learning openlineage operator oracle outbox performance platform postgres presentation production pydbzengine python quarkus questdb rag rds releases schema scylla secrets sentry serialization signaling smt snapshots spanner spark sql sqlserver tensorflow testcontainers tests time series timescaledb tinygo topics tracing transactions troubleshooting tx log ui vagrant vitess wasm website
Debezium 博客
我们最近遇到的一个问题是如何有效地将变更数据捕获（CDC）与 AI 工作负载集成——特别是对于关键的组织知识无法公开访问的场景。为了帮助您利用内部数据，Debezium 3.1 引入了面向 AI 的功能，例如 Embeddings SMT 和 Milvus sink，您可以将它们结合起来为 LLM 提供输入。您可以在 Debezium 3.1 发行说明中阅读有关这些增强功能的更多信息。
