标准回答
CDC 是什么
CDC（变更数据捕获）指持续捕获源数据库的数据变更并以事件流形式向下游传递，每条变更通常含操作类型（增/改/删）、变更前后镜像与时间戳/位点。它让下游无需周期性全表扫描即可获得最新数据。
实现方式
主流是基于日志的 CDC：直接读取数据库事务日志（MySQL binlog、PostgreSQL WAL、Oracle redo log），对源库侵入小、延迟低、能捕获删除。其他方式如基于时间戳/触发器查询，侵入性强、漏删除，已较少用。常见工具链是 Debezium 把 binlog 转成变更事件写入 Kafka，下游 Flink/Spark 消费。
应用场景
CDC 广泛用于：异构数据库实时同步、数仓/湖仓的增量 ETL 与 upsert（避免每日全量）、缓存与搜索引擎（ES）的实时更新、微服务间数据复制。相比全量同步，它只传增量、延迟低、对源库压力小，是实时数据管道的基石。
常见误区
⚠️ 常见踩坑
日志型 CDC 才能可靠捕获 DELETE 与变更前镜像；基于查询时间戳的方式会漏掉删除。还要处理好初始全量快照与增量衔接、位点持久化，否则重启会丢数据或重复。
追问
追问 1：CDC 如何保证不丢不重（一致性）？
下游需记录消费位点（binlog offset / LSN）并与处理结果一起做幂等或事务提交：故障重启从上次位点重放即可至少一次，配合主键 upsert 或事务 Sink 达到精确一次效果。初始快照与增量切换点要对齐，避免空洞或重复。
追问 2：CDC 数据写入湖仓为什么常用 Hudi/Iceberg？
CDC 产生大量 upsert 与 delete，普通追加表难以处理行级更新。Hudi/Iceberg/Delta 支持行级 upsert/delete、ACID 与小文件合并，能高效地把变更流落地为可查询的最新快照，Hudi 的 MOR 表尤其适合高频更新场景。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。
🛠️ AI 工具
- debezium
开源变更数据捕获（CDC）平台，支持多种数据库的实时数据变更流。可与 Apache Kafka 无缝集成，将数据库变更转化为事件流，适用于 AI 数据管道和实时数据同步场景。12.7K+ stars。