Debezium 博客

Debezium 从项目一开始就提供了一种直接在 Debezium 内部运行连接器的方式。提供这种功能的方式随着时间的推移而改变，并且仍在不断发展。本文将描述在这方面又一次的演进——Debezium 引擎的新实现。

在上一篇博文中，我们演示了如何利用 Debezium 从数据库中现有的数据训练神经网络模型，并使用这个预训练模型对新存储到数据库中的图像进行分类。在这篇博文中，我们将更进一步——我们将使用 Debezium 从数据库创建多个数据流，并使用其中一个流进行持续学习和改进我们的模型，而第二个流则用于对数据进行预测。当模型能够根据最近的数据样本不断改进或调整时，这种方法被称为在线机器学习。在线学习只适用于某些用例，实现算法的在线版本可能具有挑战性，甚至不可能。然而，在在线学习可行的场景中，它将成为一个非常强大的工具，因为它允许我们实时响应数据变化，并避免了重新训练和重新部署新模型的需要，从而节省了硬件和运营成本。随着数据流的日益普及，例如随着物联网（IoT）的出现，我们可以预期在线学习将越来越受欢迎。它通常非常适合分析用例中可能出现的流式数据。