create-dwy 0.12.2 → 0.13.0

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/tutorials/Debezium_Kafka_Oracle_sync.md

@@ -0,0 +1,1756 @@
+---
+source_url: https://docs.dolphindb.cn/zh/tutorials/Debezium_Kafka_Oracle_sync.html
+fetched_at: 2026-05-19T09:48:15Z
+category: tutorials
+title: Debezium + Kafka 实时同步 Oracle 11g 数据到 DolphinDB
+sha1: 6ae7b03a9f2b25887aa9273f37791b821bc06e88
+---
+
+# Debezium + Kafka 实时同步 Oracle 11g 数据到 DolphinDB
+
+**教程难度**
+
+- 高级
+
+**面向读者**
+
+- 已经掌握 DolphinDB 的基本部署：
+  - [单节点部署](standalone_server.html)
+- 已经掌握 DolphinDB 的 JDBC 连接器使用方法
+  - [JDBC 连接器](https://docs.dolphindb.cn/zh/jdbcdoc/jdbc.html)
+- 掌握 Java 基础使用方法
+- 掌握 Kafka 的基础使用方法
+- 本教程提供了完整的部署过程和部署脚本，初学者也可以跟随教程内容复现同步程序部署
+
+## 前言
+
+随着越来越多的用户使用 DolphinDB，各种不同的应用的场景也对 DolphinDB 的数据接入提出了不同的要求。部分用户需要将 Oracle 11g 的数据实时同步到 DolphinDB 中来，以满足在 DolphinDB 中使用数据的实时性需求。本篇教程将介绍使用 Debezium 来实时捕获和发布 Oracle 11g 的数据库更改事件，并完成 Oracle 到 DolphinDB 的实时数据同步的完整的解决方案。
+
+## 1. Debezium 同步方案概述
+
+Debezium 是一个开源的分布式平台，用于实时捕获和发布数据库更改事件。它可以将关系型数据库（如MySQL、PostgreSQL、Oracle 等）的变更事件转化为可观察的流数据，以供其他应用程序实时消费和处理。本文中将采用 Debezium 与 Kafka 组合的方式来实现从 Oracle11g 到 DolphinDB 的数据同步。
+
+Kafka +Debezium 的数据同步方案需要部署 4 个服务，如下所示：
+
+- **ZooKeeper**：kafka 的依赖部署。
+- **Kafka**：数据存储。
+- **Kafka-Connect**：用于接入数据插件 source-connetor, sink-connector 的框架，可以提供高可用，也可以部署单实例版本。
+- **Schema-Registry** ：提供实时同步的数据的元数据注册功能 ，支持数据序列化。
+
+基于 Debezium 的数据架构图如下：
+
+  
+![1](images/DKOD/1.png)  
+
+Debezium+Kafka 实时同步 Oracle 11g 数据到 DolphinDB 架构图
+
+接下来，本文将逐一介绍这些服务的下载、安装，以及配置数据同步任务。
+
+## 2. 部署 Kafka 单实例实时数据存储
+
+为方便用户快速复现教程内容，本文将采用 Kafka 单实例服务部署方案以介绍数据同步功能。部署环境我们采用 Linux 环境。
+
+### 2.1 部署准备
+
+首先下载程序包，Zookeeper（开源）, Kafka （开源）, Confluent （社区版）建议到到官网下载最新稳定版本。
+
+并将下面 4 个软件包放到 */opt* 目录下。（软件、配置、数据路径文件较多。**注意：初次试用请尽量保持路径一致**。）
+
+- **jdk-17.0.7\_linux-x64\_bin.tar.gz**
+
+<https://download.oracle.com/java/17/latest/jdk-17_linux-x64_bin.tar.gz>
+
+- **apache-zookeeper-3.7.1-bin.tar.gz**
+
+[Apache ZooKeeper](https://zookeeper.apache.org/releases.html)
+
+- **kafka\_2.13-3.4.1.tgz (下载scala 2.13版本)**
+
+[Apache Kafka](https://kafka.apache.org/downloads)
+
+- **confluent-community-7.4.0.tar.gz**
+
+<https://www.confluent.io/installation/>
+
+Confluent 是 Kafka 相关的商业公司。下载 Confluent 时选择 self-managed，然后录入信息，再点击 start free 后方能下载。注意，下载 community 版本即可满足需要，本教程只需要其中的 schema-registry 包。如需使用更多功能，也可下载正式版。正式版包括了 Zookeeper 、Kafka 以及管理、监控 Kafka 的更多功能。
+
+  
+![2](images/DKOD/2.png)  
+
+下载完以上 4 个程序包后，即可开始部署。
+
+### 2.2 部署 Zookeeper
+
+#### 2.2.1 基础准备
+
+**第一步：创建部署用户**
+
+创建用户 kafka，授予 sudo 免密权限（需自行设置）。然后切换到 kafka 用户来进行操作（以下均为 kafka 用户操作）。
+
+```dolphindb
+useradd kafka
+su kafka
+```
+
+**第二步：安装部署 Java 环境**
+
+由于整套架构涉及的程序都是基于 java 虚拟机运行的。所以必须安装 java 运行环境。
+
+安装 Java 到路径 */opt/java17*。
+
+```dolphindb
+cd /opt
+sudo mkdir -p /usr/local/java
+sudo tar -xvf jdk-17.0.7_linux-x64_bin.tar.gz
+sudo mv jdk-17.0.7 /usr/local/java/java17
+```
+
+设置 Java 环境变量 (kafka 用户下执行)。
+
+```dolphindb
+vim ~/.bashrc
+# 输入下面代码
+JAVA_HOME=/usr/local/java/java17
+PATH=$JAVA_HOME/bin:$PATH
+export JAVA_HOME PATH
+
+source ~/.bashrc
+java --version
+```
+
+  
+![3](images/DKOD/3.png)
+
+#### 2.2.2 安装 Zookeeper
+
+**第一步：解压并安装 Zookeeper**
+
+由于 3.7.1 版本 Zookeeper 的用户、组具有默认值，故此处根据实际情况进行调整。
+
+```dolphindb
+cd /opt
+sudo tar -xvf apache-zookeeper-3.7.1-bin.tar.gz
+sudo mv apache-zookeeper-3.7.1-bin zookeeper
+sudo chown -R root:root zookeeper
+sudo chmod -R 755 zookeeper
+```
+
+**第二步： 准备 Zookeeper 的配置文件和存储文件**
+
+创建 Zookeeper 的配置文件、数据文件、日志文件的存储路径。建议保持路径一致。相关的程序配置文件包请参见附录
+
+```dolphindb
+sudo mkdir -p /KFDATA/zookeeper/etc
+sudo mkdir -p /KFDATA/zookeeper/data
+sudo mkdir -p /KFDATA/zookeeper/datalog
+sudo mkdir -p /KFDATA/zookeeper/logs
+sudo chown -R kafka:kafka /KFDATA
+chmod -R 700 /KFDATA/zookeeper
+```
+
+准备 Zookeeper 的配置文件 *zoo.cfg*。先从 zookeeper 安装路径下复制 \*log4j.properties \*过来，然后进行修改。
+
+说明：Zookeeper 的不同版本 *log4j.properties* 配置内容会略有区别。如有不同，请按 log4j 的规则调整。
+
+```dolphindb
+cd /KFDATA/zookeeper/etc
+touch zoo.cfg
+echo tickTime=2000 > zoo.cfg
+echo initLimit=10 >>zoo.cfg
+echo syncLimit=5 >>zoo.cfg
+echo  dataDir=/KFDATA/zookeeper/data >>zoo.cfg
+echo  dataLogDir=/KFDATA/zookeeper/datalog >>zoo.cfg
+echo  clientPort=2181 >>zoo.cfg
+sudo cp /opt/zookeeper/conf/log4j.properties ./
+sudo chown kafka:kafka ./log4j.properties
+```
+
+修改 *log4j.properties* 中的 *zookeeper.log.dir* 参数 ：
+
+  
+![4](images/DKOD/4.png)  
+
+**第三步：创建 Zookeeper 的启动文件**
+
+创建一个 *zk.env*，配置 Zookeeper 启动所需环境变量，用于启动 service 文件调用。
+
+```dolphindb
+cd /KFDATA/zookeeper/etc/
+touch zk.env
+echo JAVA_HOME=/usr/local/java/java17 > zk.env
+echo PATH="/usr/local/java/java17/bin:/opt/zookeeper/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin" >> zk.env
+echo ZOO_LOG_DIR=/KFDATA/zookeeper/logs >> zk.env
+echo ZOO_LOG4J_OPTS=\"-Dlog4j.configuration=file:/KFDATA/zookeeper/etc/log4j.properties\" >> zk.env
+```
+
+如果对 Zookeeper 很熟练可以自行调用 Zookeeper 安装目录下的 bin 文件夹下的操作脚本来进行操作或测试。
+
+使用 `vim` 命令编辑一个 service 文件。
+
+```dolphindb
+sudo vim /usr/lib/systemd/system/zookeeper.service
+```
+
+录入以下启动命令信息并保存。
+
+```dolphindb
+[Unit]
+Description=Apache Kafka - ZooKeeper
+After=network.target
+
+[Service]
+Type=forking
+User=kafka
+Group=kafka
+EnvironmentFile=/KFDATA/zookeeper/etc/zk.env
+ExecStart=/opt/zookeeper/bin/zkServer.sh start /KFDATA/zookeeper/etc/zoo.cfg
+ExecStop=/opt/zookeeper/bin/zkServer.sh stop /KFDATA/zookeeper/etc/zoo.cfg
+TimeoutStopSec=180
+Restart=no
+
+[Install]
+WantedBy=multi-user.target
+```
+
+重新加载 service 启动服务。
+
+```dolphindb
+sudo systemctl daemon-reload
+```
+
+**第四步：创建测试脚本**
+
+（1）创建连接 Zookeeper 测试文件 *zkCon.sh*。
+
+```dolphindb
+mkdir -p /KFDATA/bin
+cd /KFDATA/bin
+touch zkCon.sh
+echo export JAVA_HOME=/usr/local/java/java17 >zkCon.sh
+echo export PATH="{$JAVE_HOME}/bin:/opt/zookeeper/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin" >>zkCon.sh
+echo export ZOO_LOG_DIR=/KFDATA/zookeeper/logs >>zkCon.sh
+echo export ZOO_LOG4J_OPTS=\"-Dlog4j.configuration=file:/KFDATA/zookeeper/etc/log4j.properties\" >>zkCon.sh
+echo  '/opt/zookeeper/bin/zkCli.sh -server localhost:2181 -Dzookeeper.config.path=/KFDATA/zookeeper/zoo.cfg' >>zkCon.sh
+```
+
+对脚本授予执行权限。
+
+```dolphindb
+chmod +x  zkCon.sh
+```
+
+#### 2.2.3 部署启动 Zookeeper
+
+**第一步：通过 systemctl 工具启动 Zookeeper 服务**
+
+```dolphindb
+sudo systemctl start zookeeper.service
+```
+
+**第二步：查看 Zookeeper 启动情况**
+
+可以通过 `jps` 命令查看 Java 进程， QuorumPeerMain 进程是 Zookeeper 的启动进程。
+
+  
+![5](images/DKOD/5.png)  
+
+也可以通过 `systemctl` 命令查看，如图即是正常启动。
+
+```dolphindb
+ sudo systemctl status zookeeper
+```
+
+  
+![6](images/DKOD/6.png)  
+
+**第三步：通过客户端连接 Zookeeper ，并进行查看**
+
+```dolphindb
+cd /KFDATA/bin/
+./zkCon.sh
+# 等待zookeeper 命令行窗口
+ls /
+ls /zookeeper
+```
+
+如果返回如下显示，表示 Zookeeper 启动成功，可以在 Zookeeper 中观察到自身的基础信息。
+
+  
+![7](images/DKOD/7.png)  
+
+*ctrl +c* 可以退出 Zookeeper 客户端连接。
+
+### 2.3 部署 Kafka
+
+#### 2.3.1 安装 Kafka
+
+**第一步：解压安装 Kafka 文件**
+
+执行以下命令，修改一下 Kafka 的安装文件名。
+
+```dolphindb
+cd /opt
+sudo tar -xvf kafka_2.13-3.4.1.tgz
+sudo mv kafka_2.13-3.4.1 kafka
+```
+
+**第二步：准备 Kafka 的配置文件和存储文件**
+
+创建 Kafka 的配置文件、数据文件、日志文件的存储路径。
+
+```dolphindb
+mkdir -p /KFDATA/kafka/etc
+mkdir -p /KFDATA/kafka/data
+mkdir -p /KFDATA/kafka/logs
+```
+
+准备 Kafka 相关配置文件，创建启动配置文件，和日志配置文件。
+
+```dolphindb
+cd /KFDATA/kafka/etc
+touch kafka-server.properties
+cp /opt/kafka/config/log4j.properties ./
+cp /opt/kafka/config/tools-log4j.properties ./
+```
+
+修改 kafka-server.properties 文件中的配置，修改内容如下。
+
+```dolphindb
+############################# Server Basics #############################
+broker.id=1
+############################# Socket Server Settings #############################
+listeners=PLAINTEXT://0.0.0.0:9092
+advertised.listeners=PLAINTEXT://192.168.189.130:9092
+num.network.threads=3
+num.io.threads=8
+socket.send.buffer.bytes=102400
+socket.receive.buffer.bytes=102400
+socket.request.max.bytes=104857600
+############################# Log Basics #############################
+log.dirs=/KFDATA/kafka/data
+num.partitions=1
+num.recovery.threads.per.data.dir=1
+############################# Internal Topic Settings  #############################
+offsets.topic.replication.factor=1
+transaction.state.log.replication.factor=1
+transaction.state.log.min.isr=1
+############################# Log Retention Policy #############################
+log.retention.hours=-1
+log.retention.bytes=21474836480 
+log.segment.bytes=1073741824
+log.retention.check.interval.ms=300000
+auto.create.topics.enable=true
+############################# Zookeeper #############################
+zookeeper.connect=192.168.189.130:2181
+# Timeout in ms for connecting to zookeeper
+zookeeper.connection.timeout.ms=12000
+############################# Group Coordinator Settings #############################
+group.initial.rebalance.delay.ms=0
+############################# message Settings #############################
+message.max.byte=5242880
+```
+
+其中以下两项需要视具体环境修改，*advertise.listeners* 是对外监听端口。
+
+```dolphindb
+advertised.listeners=PLAINTEXT://192.168.189.130:9092
+zookeeper.connect=192.168.189.130:2181
+```
+
+**第三步：准备 Kafka 的启动文件**
+
+创建 Kafka 启动的环境变量文件, 这里配置了开启 JMX 监控端口，如果不需要，可以忽略后两项配置。
+
+JMX 端口的作用是可以通过此端口连接，获取一些监控指标。
+
+```dolphindb
+cd /KFDATA/kafka/etc
+touch kf-server.env
+
+echo PATH="/usr/local/java/java17/bin:/opt/zookeeper/bin:/opt/kafka:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin" >>kf-server.env
+echo LOG_DIR="/KFDATA/kafka/logs/" >>kf-server.env
+echo KAFKA_LOG4J_OPTS=\"-Dlog4j.configuration=file:/KFDATA/kafka/etc/log4j.properties\" >>kf-server.env
+echo KAFKA_JMX_OPTS=\"-Dcom.sun.management.jmxremote=true -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false -Djava.rmi.server.hostname=192.168.189.130 -Djava.net.preferIPv4Stack=true\" >>kf-server.env
+echo JMX_PORT=29999 >>kf-server.env
+```
+
+创建 Kafka 的 systemd service 文件，通过 `vim` 命令打开一个文件。
+
+```dolphindb
+sudo vim /usr/lib/systemd/system/kafka-server.service
+```
+
+录入以下内容并保存。
+
+```dolphindb
+[Unit]
+Description=Apache Kafka - broker
+After=network.target confluent-zookeeper.target
+
+[Service]
+Type=forking
+User=kafka
+Group=kafka
+EnvironmentFile=/KFDATA/kafka/etc/kf-server.env
+ExecStart=/opt/kafka/bin/kafka-server-start.sh -daemon /KFDATA/kafka/etc/kafka-server.properties
+ExecStop=/KFDATA/kafka/bin/kafka-server-stop.sh
+LimitNOFILE=1000000
+TimeoutStopSec=180
+Restart=no
+
+[Install]
+WantedBy=multi-user.target
+```
+
+重新加载 service 启动 服务。
+
+```dolphindb
+sudo systemctl daemon-reload
+```
+
+#### 2.3.2 部署启动 Kafka
+
+**第一步： 通过 systemctl 工具启动 Kafka 服务**
+
+执行下述命令启动 Kafka 服务：
+
+```dolphindb
+sudo systemctl start kafka-server.service
+```
+
+**第二步： 查看 Kafka 启动情况**
+
+检查 Kafka 启动情况，可以连接 Zookeeper 客户端 。查看 zookeeper 中的数据。
+
+```dolphindb
+cd /KFDATA/bin
+./zkCon.sh
+ls /
+```
+
+可以看到 Zookeeper 中已经多了一些 kafka 注册信息，如 brokers ,cluseter, config, controller 等。
+
+  
+![8](images/DKOD/8.png)  
+
+此时，可以测试创建一个 topic 进行测试：
+
+```dolphindb
+cd  /opt/kafka/bin
+./kafka-topics.sh --bootstrap-server 192.168.189.130:9092 --create --topic test110
+```
+
+  
+![9](images/DKOD/9.png)  
+
+执行下述代码，查看当前 Kafka 中 topic 列表：
+
+```dolphindb
+./kafka-topics.sh --bootstrap-server 192.168.189.130:9092 --list
+```
+
+  
+![10](images/DKOD/10.png)  
+
+如果返回上述图片显示内容，说明 Kafka 已经启动成功。
+
+### 2.4 部署 Schema-Registry
+
+Schema-Registry 是用于注册传输数据的数据结构的。并记录数据结构改变的每一个版本。数据写入 Kafka 和从 Kafka 中读出都需要 schema-registry 中记录的数据结构来进行序列化和反序列化。通过使用 schema-registry 来注册数据结构。Kafka 中只需保存序列化后的数据即可。可以减少数据的空间占用。
+
+#### 2.4.1 安装 Schema-Registry
+
+**第一步：解压安装 Schema-Registry 文件**
+
+Schema-Registry 程序是 confluent 程序包中一部分。故这里我们要安装 conluent 程序包 , 部署社区版本即可。解压缩 confluent-community-7.4.0.tar.gz，并修改文件名，设置隶属组。
+
+```dolphindb
+cd /opt
+sudo tar -xvf confluent-community-7.4.0.tar.gz
+sudo mv confluent-7.4.0 confluent
+sudo chown -R root:root confluent
+sudo chmod -R 755 confluent
+```
+
+**第二步：准备 Schema-Registry 的配置文件和存储文件**
+
+创建 schema-registry 的配置、日志文件存储路径。
+
+```dolphindb
+mkdir -p /KFDATA/schema-registry/etc
+mkdir -p /KFDATA/schema-registry/logs
+```
+
+准备 schema-registry 的配置文件。
+
+```dolphindb
+cd /KFDATA/schema-registry/etc
+cp /opt/confluent/etc/schema-registry/schema-registry.properties ./
+cp /opt/confluent/etc/schema-registry/log4j.properties ./
+```
+
+修改 `schema-registry.properties` 文件 , 修改连接的 Kafka Server 地址。
+
+  
+![11](images/DKOD/11.png)  
+
+**第三步：准备 Schema-Registry的启动文件**
+
+创建 Schema-Registry 启动环境变量文件，用于 Schema-Registry 启动时使用。
+
+```dolphindb
+touch schema-registry.env
+echo PATH="/usr/local/java/java17/bin:/opt/confluent/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin" >schema-registry.env
+echo LOG_DIR="/KFDATA/schema-registry/logs" >>schema-registry.env
+echo LOG4J_DIR="/KFDATA/schema-registry/etc/log4j.properties" >>schema-registry.env
+echo SCHEMA_REGISTRY_LOG4J_OPTS=\"-Dlog4j.configuration=file:/KFDATA/schema-registry/etc/log4j.properties\" >>schema-registry.env
+```
+
+创建 Schema-Registry 的 systemd service 启动文件。
+
+```dolphindb
+sudo vim /usr/lib/systemd/system/schema-registry.service
+```
+
+录入以下内容并保存。
+
+```dolphindb
+[Unit]
+Description=RESTful Avro schema registry for Apache Kafka
+After=network.target
+
+[Service]
+Type=forking
+User=kafka
+Group=kafka
+EnvironmentFile=/KFDATA/schema-registry/etc/schema-registry.env
+ExecStart=/opt/confluent/bin/schema-registry-start -daemon /KFDATA/schema-registry/etc/schema-registry.properties
+TimeoutStopSec=180
+Restart=no
+
+[Install]
+WantedBy=multi-user.target
+```
+
+重新加载 service 启动服务。
+
+```dolphindb
+sudo systemctl daemon-reload
+```
+
+#### 2.4.2 部署启动 Schema-Registry
+
+**第一步： 通过 systemctl 工具启动 Schema-Registry服务**
+
+执行以下命令。
+
+```dolphindb
+sudo systemctl start schema-registry
+```
+
+**第二步：查看 Schema-Registry 启动情况**
+
+通过 systemctl 工具查看启动状态。
+
+```dolphindb
+sudo systemctl status schema-registry
+```
+
+  
+![12](images/DKOD/12.png)  
+
+查看 Kafka 中的 topic。
+
+```dolphindb
+cd /opt/kafka/bin
+./kafka-topics.sh --bootstrap-server 192.168.189.130:9092 --list
+```
+
+可以看到 kafka 中已经创建出了 schema-registry 需要使用的 topic。
+
+  
+![13](images/DKOD/13.png)  
+
+schema-registry 启动成功。
+
+### 2.5 部署 Kafka-Connect
+
+Kafka-Connect 是 Kafka 提供的 HA 框架，实现了 Kafka-Connect 接口的 connector (连接器) ，只需处理自己需要进行读取、写入数据任务。高可用部分由 Kafka-Connect 框架负责。
+
+Kafka-Connect 可用通过 REST API 进行访问。
+
+#### 2.5.1 安装 Kafka-Connect
+
+**第一步： Kafka-Connect 安装**
+
+Kafka-Connect 由 Kafka 提供，启动程序在 Kafka 的安装路径下，已经存在。数据元数据注册由 schema-registry 处理。相应的序列化包在已安装 Confluent 路径下。故无需再安装程序包。
+
+**第二步：准备 Kafka-Connect 的配置文件和存储文件**
+
+创建 Kafka-Connect 的配置、日志文件存储路径。
+
+```dolphindb
+mkdir -p /KFDATA/kafka-connect/etc
+mkdir -p /KFDATA/kafka-connect/logs
+```
+
+创建 Kafka-Connect 的配置文件。
+
+```dolphindb
+cd /KFDATA/kafka-connect/etc
+vim kafka-connect.properties
+```
+
+录入以下内容并保存。 IP 地址部分，需要根据前环境修改。
+
+```dolphindb
+bootstrap.servers=192.168.189.130:9092
+group.id=connect-cluster
+
+key.converter=io.confluent.connect.avro.AvroConverter
+key.converter.schema.registry.url=http://192.168.189.130:8081
+value.converter=io.confluent.connect.avro.AvroConverter
+value.converter.schema.registry.url=http://192.168.189.130:8081
+key.converter.schemas.enable=true
+value.converter.schemas.enable=true
+
+internal.key.converter=org.apache.kafka.connect.json.JsonConverter
+internal.value.converter=org.apache.kafka.connect.json.JsonConverter
+internal.key.converter.schemas.enable=false
+internal.value.converter.schemas.enable=false
+
+config.storage.topic=connect-configs
+offset.storage.topic=connect-offsets
+status.storage.topic=connect-statuses
+config.storage.replication.factor=1
+offset.storage.replication.factor=1
+status.storage.replication.factor=1
+
+plugin.path=/opt/confluent/share/java/plugin
+rest.host.name=192.168.189.130
+rest.port=8083
+rest.advertised.host.name=192.168.189.130
+rest.advertised.port=8083
+
+offset.flush.timeout.ms=50000
+offset.flush.interval.ms=10000
+send.buffer.bytes=13107200
+consumer.max.poll.records=10000
+consumer.partition.assignment.strategy=org.apache.kafka.clients.consumer.CooperativeStickyAssignor
+```
+
+创建 Kafka-Connect 的 *log4j* 配置文件。
+
+```dolphindb
+cd /KFDATA/kafka-connect/etc
+cp /opt/kafka/config/connect-log4j.properties ./log4j.properties
+```
+
+修改文件中的以下参数配置。
+
+```dolphindb
+vim ./log4j.properties
+log4j.appender.connectAppender.File=${kafka.logs.dir}/connect.log
+```
+
+将其修改为：
+
+```dolphindb
+log4j.appender.connectAppender.File=/KFDATA/kafka-connect/logs/connect.log
+```
+
+**第三步： 准备 Kafka-Connect 的启动文件**
+
+创建 Kafka-Connect 启动环境变量文件。
+
+```dolphindb
+cd /KFDATA/kafka-connect/etc
+touch kafka-connect.env
+
+echo PATH="/usr/local/java/java17/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin" >kafka-connect.env
+echo LOG_DIR="/KFDATA/kafka-connect/logs/" >>kafka-connect.env
+echo LOG4J_DIR="/KFDATA/kafka-connect/etc/log4j.properties" >>kafka-connect.env
+echo KAFKA_LOG4J_OPTS=\"-Dlog4j.configuration=file:/KFDATA/kafka-connect/etc/log4j.properties\" >>kafka-connect.env
+echo CLASSPATH=/opt/confluent/share/java/schema-registry/*:/opt/confluent/share/java/kafka-serde-tools/*:/opt/confluent/share/java/confluent-common/* >>kafka-connect.env
+echo JMX_PORT=29998 >>kafka-connect.env
+```
+
+创建 Kafka-Connect 的 systemd service 文件。
+
+```dolphindb
+sudo vim /usr/lib/systemd/system/kafka-connect.service
+```
+
+录入以下内容，并保存。
+
+```dolphindb
+[Unit]
+Description=Apache Kafka Connect - distributed
+After=network.target
+
+[Service]
+Type=simple
+User=kafka
+Group=kafka
+EnvironmentFile=/KFDATA/kafka-connect/etc/kafka-connect.env
+ExecStart=/opt/kafka/bin/connect-distributed.sh /KFDATA/kafka-connect/etc/kafka-connect.properties
+TimeoutStopSec=180
+Restart=no
+
+[Install]
+WantedBy=multi-user.target
+```
+
+重新加载 service 启动服务。
+
+```dolphindb
+sudo systemctl daemon-reload
+```
+
+#### 2.5.2 部署启动 Kafka-Connect
+
+**第一步： 通过 systemctl 工具启动 Kafka-Connect 服务**
+
+执行以下命令。
+
+```dolphindb
+sudo systemctl start kafka-connect.service
+```
+
+**第二步： 查看 Kafka-Connect 启动情况**
+
+通过 `jps` 命令查看启动情况。
+
+```dolphindb
+jps -mlvV |grep connect
+```
+
+  
+![14](images/DKOD/14.png)  
+
+查看 Kafka 中的 topic 情况，Kafka-Connect 会在 Kafka 中创建 connect-configs , connect-offsets, connect-statuses 三个 topic。
+
+```dolphindb
+cd  /opt/kafka/bin
+./kafka-topics.sh --bootstrap-server 192.168.189.130:9092 --list
+```
+
+  
+![15](images/DKOD/15.png)  
+
+使用 `curl` 命令访问 kafka-connect ，可以看到当前还没有配置 connector 任务。
+
+```dolphindb
+ curl -H "Accept:application/json" 192.168.189.130:8083/connectors/
+```
+
+  
+![16](images/DKOD/16.png)
+
+## 3. 从 Oracle 到 Kafka 的数据同步：部署程序与配置任务
+
+### 3.1 配置 Oracle 数据库
+
+对于 Source 数据库 Oracle ，本教程采用 Oracle 提供的 LogMiner 工具来捕获数据的数据变化 ，这里需要对 Oracle 数据库做一些设置。主要配置如下：
+
+- Oracle 需开启归档模式
+- 要进行实时同步的 Oracle 表需要开启表级补充日志
+- 创建具有一定权限的 Oracle 用户
+
+**第一步： 开启 Oracle 归档模式**
+
+创建备份文件路径：
+
+```dolphindb
+mkdir -p /data/oradata/recovery_area
+```
+
+sqlplus 以 dba 权限登录：
+
+```dolphindb
+sqlplus / as sysdba
+```
+
+执行以下命令开启 Oracle 归档模式：
+
+```dolphindb
+-- 设置数据库归档空间大小为20GB,该值为建议最小提供值
+alter system set db_recovery_file_dest_size = 20G;
+-- 设置数据库归档路径
+alter system set db_recovery_file_dest = '/data/oradata/recovery_area' scope=spfile;
+-- 立即关闭数据库
+shutdown immediate
+-- mount模式启动
+startup mount
+-- 开启归档模式
+alter database archivelog;
+-- 开启数据库
+alter database open;
+```
+
+查看是否开启归档日志，如图显示 Archive Mode 则表示归档已开启：
+
+```dolphindb
+archive log list
+```
+
+  
+![17](images/DKOD/17.jpg)  
+
+归档日志空间大小需根据实际需求设置。当归档日志满时，Oracle将不可用，需自行设置脚本来定时清理归档日志。
+
+**第二步： 开启补充日志**
+
+开启最小补充日志：
+
+```dolphindb
+ALTER DATABASE ADD SUPPLEMENTAL LOG DATA; -- 开启最小补充日志
+```
+
+除了最小补充日志，还需要开启全字段的补充日志。可以开启数据库级全字段补充日志，也可以根据需要同步的表开启表级别全字段补充日志，只开启表级别可以减少归档日志的产生量。
+
+开启数据库级全字段补充日志：
+
+```dolphindb
+ALTER DATABASE ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS; -- 开启
+-- ALTER DATABASE DROP SUPPLEMENTAL LOG DATA (ALL) COLUMNS; -- 关闭
+```
+
+或开启表级别全字段补充日志，SCHEMA 和 TABLENAME 需替换成具体的同步表(推荐采用此种方式)：
+
+```dolphindb
+ALTER TABLE SCHEMA.TABLENAME ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS; -- 开启
+-- ALTER TABLE SCHEMA.TABLENAME DROP SUPPLEMENTAL LOG DATA (ALL) COLUMNS; -- 关闭
+```
+
+**第三步：** **创建数据同步用的 debezium 用户**
+
+创建 logminer\_tbs 表空间。
+
+```dolphindb
+CREATE TABLESPACE logminer_tbs DATAFILE '/data/oradata/dbname/logminer_tbs.dbf'
+SIZE 25M REUSE AUTOEXTEND ON MAXSIZE UNLIMITED;
+```
+
+创建专门用于日志挖掘的用户，命名为 debezium。
+
+```dolphindb
+CREATE USER debezium IDENTIFIED BY password
+DEFAULT TABLESPACE logminer_tbs
+QUOTA UNLIMITED ON logminer_tbs;
+```
+
+对 debezium 用户授权（以 Oracle 11g 版本的设置为示例，其他 Oracle 版本可以参考 Debezium 文档说明）。
+
+```dolphindb
+GRANT SELECT ANY TABLE TO debezium;
+GRANT FLASHBACK ANY TABLE TO debezium;
+
+GRANT CREATE SESSION TO debezium;
+GRANT SELECT ON V_$DATABASE to debezium;
+GRANT SELECT_CATALOG_ROLE TO debezium;
+GRANT EXECUTE_CATALOG_ROLE TO debezium;
+GRANT SELECT ANY TRANSACTION TO debezium;
+GRANT SELECT ANY DICTIONARY to debezium;
+
+GRANT CREATE TABLE TO debezium;
+GRANT CREATE SEQUENCE TO debezium;
+ 
+GRANT EXECUTE ON DBMS_LOGMNR TO debezium;
+GRANT EXECUTE ON DBMS_LOGMNR_D TO debezium;
+ 
+GRANT SELECT ON V_$LOG TO debezium;
+GRANT SELECT ON V_$LOG_HISTORY TO debezium;
+GRANT SELECT ON V_$LOGMNR_LOGS TO debezium;
+GRANT SELECT ON V_$LOGMNR_CONTENTS TO debezium;
+GRANT SELECT ON V_$LOGMNR_PARAMETERS TO debezium;
+GRANT SELECT ON V_$LOGFILE TO debezium;
+GRANT SELECT ON V_$ARCHIVED_LOG TO debezium;
+GRANT SELECT ON V_$ARCHIVE_DEST_STATUS TO debezium;
+```
+
+其中`SELECT ANY TABLE`和`FLASHBACK ANY TABLE`可以缩减权限为需实时同步的表：
+
+```dolphindb
+GRANT SELECT ON SCHEMA.TABLENAME TO debezium;
+GRANT FLASHBACK ON SCHEMA.TABLENAME TO debezium;
+```
+
+### 3.2 安装 Debezium-Oracle 连接器插件
+
+Oracle 的 Debezium 数据同步插件需要安装在 Kafka\_Connect 程序部署文件路径下。
+
+配置启动 Debezium-Oracle 连接器，需要以下两步：
+
+- 下载 Debezium-Oracle-Connector 插件，将插件解压并放到 Kafka Connect 的插件路径下
+- 重新启动 Kafka Connect 程序，以加载插件
+
+**第一步： 下载安装 Debezium-Oracle 插件和 ojdbc 包**
+
+官方网站 [Debezium](https://debezium.io/)，选择 2.5.1.Final 版本进行下载，程序名为`debezium-connector-oracle-2.5.1.Final-plugin.tar.gz`
+
+在 confluent 的安装路径下创建插件路径，在此路径下解压 Debezium 的 Oracle 插件包，请确保 kafka 用户对此路径的读权限。
+
+```dolphindb
+sudo mkdir -p /opt/confluent/share/java/plugin
+cd /opt/confluent/share/java/plugin
+sudo tar -xvf ./debezium-connector-oracle-2.5.1.Final-plugin.tar.gz
+sudo rm ./debezium-connector-oracle-2.5.1.Final-plugin.tar.gz
+```
+
+连接 Oracle 数据库还需 Oracle 的 JDBC 包，可以到 Oracle 官网 [JDBC Drivers Archive](https://www.oracle.com/database/technologies/appdev/jdbc-drivers-archive.html) 下载对应 Oracle 版本的 JDBC 包，目前 Oracle 官网已下架 Oracle 11g 版本的ojdbc包，可以在此下载`ojdbc8.jar`
+
+在当前的`debezium-connector-oracle`目录下再放入 ojdbc 包 `ojdbc8.jar`
+
+```dolphindb
+cp ~/ojdbc8.jar /opt/confluent/share/java/plugin/debezium-connector-oracle/
+```
+
+**第二步： 配置 Kafka-Connect 加载插件**
+
+修改 Kafka Connect 的配置文件，添加插件路径配置。若已配置插件路径，则跳过该步骤。
+
+```dolphindb
+cd /KFDATA/kafka-connect/etc
+vim kafka-connect.properties
+```
+
+添加或修改参数 plugin.path 如下。
+
+```dolphindb
+plugin.path=/opt/confluent/share/java/plugin
+```
+
+重新启动 Kafka Connect。
+
+```dolphindb
+sudo systemctl restart kafka-connect
+```
+
+查看 kafka connect 的日志输出，能查询到信息则说明插件加载成功。
+
+```dolphindb
+cat /KFDATA/kafka-connect/logs/connect.log | grep OracleConnector
+```
+
+  
+![18](images/DKOD/18.jpg)
+
+### 3.3 配置 Oracle 数据同步连接任务
+
+配置同步任务的及检查的很多命令都要带上 *url* 等参数。为了操作快捷，本教程封装了一些加载配置文件的操作脚本在 *kafka-tools.tar* 包中，详情参见附录。下载当前包，解压缩到 /KFDATA 目录下。后续的很多操作，包括检查 Kafka 的 topic、查看数据和配置同步任务等都会使用 kafka-tools 包中的脚本。包中的脚本在无参数运行时会输出 help。
+
+```dolphindb
+cd /KFDATA
+sudo tar -xvf kafka-tools.tar
+sudo chown kafka:kafka kafka-tools
+rm ./kafka-tools.tar
+```
+
+修改 \*/KFDATA/kafka-tools/config/config.properties \*配置参数。
+
+按照本机的路径、IP 等对应修改 Kafka 和 Kafka\_Connect 的启动 IP 地址，以及安装目录。
+
+示例如下：
+
+```dolphindb
+#kafka parameters
+kafka_home=/opt/kafka
+confluent_home=/opt/confluent
+bootstrap_server=192.168.189.130:9092
+
+#kafka-connect parameters
+connect_rest_url=192.168.1.178:8083
+#rest_pd  means restful request  password,This is not necessary
+#rest_pd=appsdba:passwd
+schema_ip=192.168.189.130
+schema_port=8081
+```
+
+**第一步：准备 Oracle 数据库表**
+
+在 debezium 用户下创建`index_example`示例表。
+
+```dolphindb
+create table debezium.index_example (
+    trade_date date,
+    stock_code varchar2(20),
+    effDate date,
+    indexShortName varchar2(20),
+    indexCode varchar2(20),
+    secShortName varchar2(50),
+    exchangeCD varchar2(10),
+    weight number,
+    tm_stamp date,
+    flag integer,
+    primary key (trade_date, stock_code, indexCode, flag)
+);
+```
+
+向`index_example`表中插入 4 条数据。
+
+```dolphindb
+insert into debezium.index_example
+values(to_date('2006-11-30', 'YYYY-MM-DD'), '000759', to_date('2018-06-30 03:48:05', 'YYYY-MM-DD HH24:MI:SS'),
+'中证500', '000905', '中百集团', 'XSHE', 0.0044, to_date('2018-06-30 05:43:05', 'YYYY-MM-DD HH24:MI:SS'), 1);
+
+insert into debezium.index_example
+values(to_date('2006-11-30', 'YYYY-MM-DD'), '000759', to_date('2018-06-30 04:47:05', 'YYYY-MM-DD HH24:MI:SS'),
+'中证500', '000906', '中百集团', 'XSHE', 0.0011, to_date('2018-06-30 05:48:06', 'YYYY-MM-DD HH24:MI:SS'), 1);
+
+insert into debezium.index_example
+values(to_date('2006-11-30', 'YYYY-MM-DD'), '600031', to_date('2018-06-30 03:48:05', 'YYYY-MM-DD HH24:MI:SS'),
+'上证180', '000010', '三一重工', 'XSHG', 0.0043, to_date('2018-06-30 05:48:05', 'YYYY-MM-DD HH24:MI:SS'), 1);
+
+insert into debezium.index_example
+values(to_date('2006-11-30', 'YYYY-MM-DD'), '600031', to_date('2018-06-30 03:48:05', 'YYYY-MM-DD HH24:MI:SS'),
+'沪深300', '000300', '三一重工', 'XSHG', 0.0029, to_date('2018-06-30 05:48:05', 'YYYY-MM-DD HH24:MI:SS'), 1);
+
+commit;
+```
+
+在 debezium 用户下创建`stock_example`示例表。
+
+```dolphindb
+create table debezium.stock_example (
+    id number,
+    ts_code varchar2(20),
+    symbol_id varchar2(20),
+    name varchar2(20),
+    area varchar2(20),
+    industry varchar2(20),
+    list_date date,
+    primary key (id, ts_code)
+);
+```
+
+向`stock_example`表中插入 3 条数据并提交。
+
+```dolphindb
+insert into debezium.stock_example
+values (1, '000001.SZ', '000001', '平安银行', '深圳', '银行', to_date('1991-04-03', 'YYYY-MM-DD'));
+
+insert into debezium.stock_example
+values (2, '000002.SZ', '000002', '万科A', '深圳', '地产', to_date('1991-01-29', 'YYYY-MM-DD'));
+
+insert into debezium.stock_example
+values (3, '000004.SZ', '000004', 'ST国华', '深圳', '软件服务', to_date('1991-01-14', 'YYYY-MM-DD'));
+```
+
+查看 Oracle 表中数据。
+
+  
+![19](images/DKOD/19.jpg)  
+  
+![20](images/DKOD/20.jpg)  
+
+若在 3.1 节的 step2 中未开启数据库级全字段增量日志，在此步还需开启表级全字段增量日志。
+
+```dolphindb
+ALTER TABLE debezium.index_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+ALTER TABLE debezium.stock_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+```
+
+**第二步：准备连接器配置文件，并启动连接任务**
+
+创建连接 Oracle 的 source 连接器配置文件。
+
+```dolphindb
+mkdir -p /KFDATA/datasyn-config
+vim /KFDATA/datasyn-config/source-oracle.json
+```
+
+录入以下配置，hostname 和 kafka 启动地址需对应修改。
+
+```dolphindb
+{
+    "name": "oracle-connector",
+    "config": {
+     "connector.class": "io.debezium.connector.oracle.OracleConnector",
+     "tasks.max": "1",
+     "topic.prefix": "oracle_service",
+     "database.hostname": "183.134.101.144",
+     "database.port": 1521,
+     "database.user": "debezium",
+     "database.password": "123456",
+     "database.dbname": "testdb",
+     "database.connection.adapter": "logminer",
+     "schema.include.list": "debezium",
+     "table.include.list": "debezium.index_example,debezium.stock_example",
+     "schema.history.internal.kafka.bootstrap.servers": "183.134.101.144:9092",
+     "schema.history.internal.kafka.topic": "schema-changes.test",
+     "event.processing.failure.handling.mode": "skip",
+     "decimal.handling.mode": "string",
+     "snapshot.mode": "initial",
+     "log.mining.strategy": "online_catalog",
+     "log.mining.query.filter.mode": "in",
+     "log.mining.continuous.mine": true,
+     "heartbeat.interval.ms": "20000",
+     "schema.history.internal.store.only.captured.tables.ddl": true,
+     "schema.history.internal.store.only.captured.databases.ddl": true,
+  }
+}
+```
+
+参数说明：
+
+| 参数名称 | 默认值 | 参数说明 |
+| --- | --- | --- |
+| connector.class | 无 | 连接器的 Java 类的名称。这里是 oracle 的连接器类名。 |
+| tasks.max | 1 | 当前 connector 的最大并行任务数。oracle 的 source 连接器任务数只能是 1。 |
+| topic.prefix | 无 | 当前 connector 同步写入任务的命名空间。会被用于添加到同步表对应 topic 名称前等。 |
+| database.hostname | 无 | Oracle 数据库服务器的 IP 地址或主机名。 |
+| database.port | 3306 | Oracle 数据库服务器的整数端口号。 |
+| database.user | 无 | Oracle 数据库服务器连接用户。 |
+| database.password | 无 | Oracle 数据库服务器连接用户密码。 |
+| database.dbname | 无 | Oracle 数据库实例名称。 |
+| database.connection.adapter | logminer | 使用的适配器名称。选项为 logminer、olr 或者 xstream 。分别对应 Oracle LogMiner API、OpenLogReplicator和Oracle XStream API。 |
+| schema.include.list | 无 | 匹配的模式名。可以多个，用逗号分割即可。 |
+| table.include.list | 无 | 匹配的表名。可以多个，用逗号分割即可。 |
+| schema.history.internal.kafka.bootstrap.servers | 无 | 数据同步记录 Oracle 的表结构信息的 kafka 连接。 |
+| schema.history.internal.kafka.topic | 无 | 数据同步记录 Oracle 表结构的 topic 名称。 |
+| event.processing.failure.handling.mode | fail | 处理事件时碰到异常如何处理。可选 fail 、warn 和 skip。 |
+| decimal.handling.mode | precise | 针对 Oracle 的 NUMBER、DECIMAL 和 NUMERIC 类型的处理模式。”precise” 表示转换成 java.math.BigDecimal ，”double” 表示转换成 double 值，”string” 表示转换成字符串。 |
+| snapshot.mode | initial | 指定 connector 用来捕获表快照的形式。常用的是 ”initial”和 ”schema\_only” 。“initial“ 在 connector 第一次启动时会获取表结构和表的快照数据，并继续获取新增的变更数据。”schema\_only” 表示只获取表结构，并只会获取新增的变更数据。其他形式请参考 debezium 官方文档。 |
+| log.mining.strategy | redo\_log\_catalog | 指定挖掘策略。挖掘策略决定了Oracle LogMiner 如何构建数据字典来解析日志文件。有 redo\_log\_catalog 和 online\_catalog 两种模式。推荐使用 online\_catalog，这种模式的优点是速度快、不产生多余日志。缺点是如果DDL变化时如果还有旧的表结构对应的数据变更没有挖掘完成，无法根据旧的表结构解析日志，不适用于表结构频繁变更的情况。 |
+| log.mining.query.filter.mode | none | Oracle LogMiner 查询构建的方式。查询过滤方式，推荐使用 ”in” 的方式。 |
+| log.mining.continuous.mine | false | 连续挖掘选项。Oracle 12c 及之后该选项已弃用。 |
+| heartbeat.interval.ms | 0 | connector 向 topic 发送心跳信息的频率，单位为毫秒。当需捕获的表在较长时间没有数据更改时，设置此参数可以及时刷新 SCN 号，设置为 0 时 connector 不会发送任何心跳信息，可能会导致 connector 记录的SCN号和数据库最新 SCN 号之间的间隔较大。 |
+| schema.history.internal.store.only.captured.tables.ddl | false | 指定 connector 记录一个 schema 或者一个数据库中所有非系统表的表结构，还是只记录需要捕获表的表结构。 |
+| schema.history.internal.store.only.captured.databases.ddl | false | 指定 connector 是否记录数据库实例中所有逻辑数据库的表结构。 |
+
+更多详细参数说明可以参看（Debezium 2.5），不同Debezium版本的参数配置不同，若使用其他版本的Debezium，需找到对应文档做修改。
+
+[Debezium Connector for Oracle :: Debezium Documentation](https://debezium.io/documentation/reference/2.5/connectors/oracle.html)
+
+**第三步： 启动 Oracle 的数据同步任务**
+
+通过 REST API 启动 Oracle 的 source 连接器
+
+```dolphindb
+curl -i -X POST -H "Accept:application/json" -H  "Content-Type:application/json" http://183.134.101.144:8083/connectors/ -d @/KFDATA/datasyn-config/source-oracle.json
+```
+
+也可以通过 kafka-tools 中的脚本启动
+
+```dolphindb
+cd /KFDATA/kafka-tools/bin
+./rest.sh create /KFDATA/datasyn-config/source-oracle.json
+```
+
+  
+![21](images/DKOD/21.jpg)  
+
+**第四步：查看 Oracle 数据同步任务状态**
+
+查看同步任务列表。*list* 参数展示任务名列表，showall 参数会显示全部同步任务状态。
+
+```dolphindb
+cd /KFDATA/kafka-tools/bin
+./rest.sh showall
+```
+
+  
+![22](images/DKOD/22.jpg)  
+
+查看 *topic* 列表：
+
+```dolphindb
+./kafka.sh tplist
+```
+
+  
+![23](images/DKOD/23.jpg)  
+
+查看 topic oracle\_service.DEBEZIUM.INDEX\_EXAMPLE和 oracle\_service.DEBEZIUM.STOCK\_EXAMPLE 中的数据条数：
+
+```dolphindb
+./kafka.sh get_offsets oracle_service.DEBEZIUM.INDEX_EXAMPLE
+./kafka.sh get_offsets oracle_service.DEBEZIUM.STOCK_EXAMPLE
+```
+
+结果如图所示
+
+  
+![24](images/DKOD/24.jpg)
+
+## 4. 从Kafka 到 DolphinDB 的数据同步：部署程序与配置任务
+
+### 4.1 安装 Kafka-DolphinDB 数据同步连接器插件
+
+配置启动 Kafka-DolphinDB 连接器，需要以下两步：
+
+- 下载 Kafka-DolphinDB-Connector 插件，将插件解压并放到 Kafka Connect 的插件路径下。
+- 重新启动 Kafka Connect 程序，以加载插件。
+
+**第一步：下载 Kafka-DolphinDB 插件**
+
+- jdbc-2.00.11.1-ddbcdc-beta1.jar ：该 DolphinDB JDBC 包为数据同步做了一些专门修改，为特殊版本，后续会进行版本统一支持。参见附录。
+- kafka-connect-jdbc-10.7.4-ddb1.10.jar ：是基于 kafka-connect-jdbc-10.7.4 开发的 DolphinDB 连接器，后续会进行代码开源。参见附录。
+
+创建插件路径，在此路径下放置 Kafka-DolphinDB 插件包，将上述两个 jar 包放在此目录下。请确保 kafka 用户包含对这两个文件的读权限。
+
+```dolphindb
+sudo mkdir -p /opt/confluent/share/java/plugin/kafka-connect-jdbc
+sudo cp ~/jdbc-2.00.11.1-ddbcdc-beta1.jar /opt/confluent/share/java/plugin/kafka-connect-jdbc/
+sudo cp ~/kafka-connect-jdbc-10.7.4-ddb1.10.jar /opt/confluent/share/java/plugin/kafka-connect-jdbc/
+```
+
+如果上面的操作碰到权限问题，则可以使用以下命令赋予权限。
+
+```dolphindb
+sudo chmod o+rx /opt/confluent/share/java/plugin/kafka-connect-jdbc/*
+```
+
+**第二步： 重启 kafka-connect**
+
+```dolphindb
+sudo systemctl restart kafka-connect
+```
+
+查看kafka-connect路径的日志输出
+
+```dolphindb
+cat /KFDATA/kafka-connect/logs/connect.log | grep JdbcSinkConnector
+```
+
+出现下图中所示信息时，说明插件加载成功：
+
+  
+![25](images/DKOD/25.jpg)
+
+### 4.2 配置 DolphinDB 的数据同步连接任务
+
+**第一步：创建同步的 DolphinDB 库、表**
+
+根据 Oracle 表结构，创建与 Oracle 表结构一致的表，Oracle 数据类型转换为 DolphinDB 数据类型对照表可以参考4.2节。
+
+创建 `index_example` 表：
+
+```dolphindb
+dbName = "dfs://index_data"
+tbName = "index_example"
+colNames = `trade_date`stock_code`effDate`indexShortName`indexCode`secShortName`exchangeCD`weight`tm_stamp`flag
+colTypes = `DATE`SYMBOL`TIMESTAMP`SYMBOL`SYMBOL`SYMBOL`SYMBOL`DOUBLE`TIMESTAMP`INT
+t = table(1:0, colNames, colTypes)
+db = database(directory=dbName, partitionType=RANGE, partitionScheme=1990.01M+(0..80)*12, engine="TSDB", atomic="CHUNK")
+db.createPartitionedTable(t, tbName, partitionColumns=`trade_date, sortColumns=`stock_code`indexCode`flag`trade_date, keepDuplicates=LAST, softDelete=true)
+```
+
+创建 `stock_example` 表：
+
+```dolphindb
+dbName = "dfs://stock_data"
+tbName = "stock_example"
+colNames = `id`ts_code`symbol_id`name`area`industry`list_date
+colTypes = `LONG`SYMBOL`SYMBOL`SYMBOL`SYMBOL`SYMBOL`DATE
+t = table(1:0, colNames, colTypes)
+db=database(directory=dbName, partitionType=HASH, partitionScheme=[LONG, 1], engine="TSDB", atomic="CHUNK")
+db.createPartitionedTable(t, tbName, partitionColumns=`id, sortColumns=`ts_code`id, keepDuplicates=LAST, sortKeyMappingFunction=[hashBucket{,100}], softDelete=true)
+```
+
+注：建表时的软删除功能，即softDelete选项需要DolphinDB 2.00.11及以上的版本。旧版本DolphinDB建表时可以去除该选项。
+
+**第二步： 配置同步配置表**
+
+在DolphinDB 中创建一张配置表，记录 kafka topic 和 DolphinDB 库表之间的映射关系。配置表的库表名可以自行调整，并在 DolphinDB 的同步任务中设置相应的库表名称。配置表中字段名是固定的，需和示例保持一致。
+
+数据库名：dfs://ddb\_sync\_config
+
+表名：sync\_config
+
+```dolphindb
+db = database("dfs://ddb_sync_config", HASH, [SYMBOL, 2])
+t = table(1:0, `connector_name`topic_name`target_db`target_tab`add_sortcol_flag,
+[SYMBOL, SYMBOL, SYMBOL, SYMBOL, SYMBOL])
+db.createTable(t, "sync_config")
+```
+
+kafka topic 名可以通过之前介绍的`./kafka.sh tplist` 的命令查看。debezium.index\_example 和 debezium.stock\_example 表对应的 kafka topic 分别是 oracle\_service.DEBEZIUM.INDEX\_EXAMPLE 和 oracle\_service.DEBEZIUM.STOCK\_EXAMPLE。
+
+插入配置信息，将 kafka topic 和 DolphinDB 库表名称一一对应。
+
+```dolphindb
+def addSyncConfig(connector_name, topic_name, dbname, tbname, add_sortcol_flag="0") {
+    loadTable("dfs://ddb_sync_config", "sync_config").append!(
+    table([connector_name] as col1, 
+    [topic_name] as col2, 
+    [dbname] as col3,
+    [tbname] as col4, 
+    [add_sortcol_flag] as col5))
+}
+
+addSyncConfig("ddb-sink", "oracle_service.DEBEZIUM.INDEX_EXAMPLE", "dfs://index_data", "index_example", "0")
+addSyncConfig("ddb-sink", "oracle_service.DEBEZIUM.STOCK_EXAMPLE", "dfs://stock_data", "stock_example", "0")
+```
+
+以下是配置表的各个字段说明：
+
+| 字段名 | 类型 | 字段作用 |
+| --- | --- | --- |
+| connector\_name | SYMBOL | 配置的 DolphinDB Sink 同步任务名 |
+| topic\_name | SYMBOL | 要同步的 kafka topic 名称 |
+| target\_db | SYMBOL | 对应的 DolphinDB 分布式库名 |
+| target\_tab | SYMBOL | 对应的 DolphinDB 分布式表名 |
+| add\_sortcol\_flag | SYMBOL | 是否需要添加 dummySortKey\_\_ 列，需要则设置为 ”1”，否则设置为 ”0”。具体原因详见 4.1 节的DolphinDB 同步须知。 |
+
+**第三步： 准备连接器配置文件，并启动连接任务**
+
+创建 DolphinDB 数据同步任务配置文件。
+
+```dolphindb
+cd /KFDATA/datasyn-config
+vim ddb-sink.json
+```
+
+配置如下
+
+```dolphindb
+{
+    "name": "ddb-sink",
+    "config": {
+        "connector.class": "io.confluent.connect.jdbc.JdbcSinkConnector",
+        "tasks.max": "2",
+        "topics": "oracle_service.DEBEZIUM.INDEX_EXAMPLE,oracle_service.DEBEZIUM.STOCK_EXAMPLE",
+        "connection.url": "jdbc:dolphindb://183.134.101.144:8848?user=admin&password=123456",
+        "transforms": "unwrap",
+        "transforms.unwrap.type": "io.debezium.transforms.ExtractNewRecordState",
+        "transforms.unwrap.drop.tombstones": "false",
+        "auto.evolve": "false",
+        "insert.mode": "insert",
+        "delete.enabled": "true",
+        "batch.size":"10000",
+        "pk.mode": "record_key",
+        "ddbsync.config.table":"dfs://ddb_sync_config,sync_config",
+        "ddbsync.addSortColFlag": "true"
+    }
+}
+```
+
+| 参数名称 | 默认值 | 参数说明 |
+| --- | --- | --- |
+| name | 无 | 同步任务名称，不可重复。 |
+| connector.class | 无 | 连接器的 Java 类的名称。这里是 JdbcSink 的通用连接器类名。 |
+| tasks.max | 1 | 当前 connector 的最大并行任务数。可以调节增大，会创建多 consumer 并行消费读取 Kafka 中数据。一般的数据同步场景设置到 10 基本可以满足同步速度上的需求。 |
+| topics | 无 | 配置要同步的 Kafka 中的 topic 名称，配置多个 topic 时用逗号分割。 |
+| connection.url | 无 | DolphinDB 数据库服务器的IP地址或主机名。 |
+| transforms | 无 | 声明数据转换操作，请设置为 unwrap。 |
+| transforms.unwrap.type | 无 | 声明数据转换器类别。请设置为 false。 |
+| transforms.unwrap.drop.tombstones | false | 声明是否删除 Kafka 中的墓碑数据。请设置为 false。 |
+| auto.evolve | true | 当 DolphinDB 中缺少列时，是否自动增加列。当前不支持自动增加列，必须配置为 false。 |
+| insert.mode | insert | 数据插入模式。当前只支持 insert 模式。 |
+| pk.mode | none | 主键模式。必须设置为 record\_key。 |
+| delete.enabled | false | 在主键模式为 record\_key 情况下。对于 null 值 record 是否按照 delete 进行操作。 |
+| batch.size | 3000 | 设置在数据量足够大时。以每批最大多少条来写入到目标数据库。注意：当该值大于 Connect worker 中设置的 consumer.max.pol.records 时，每次提交数量会受 consumer.max.pol.records 的值限制。 |
+| ddbsync.config.table | dfs://ddb\_sync\_config,sync\_config | Kafka 中的 topic 对应 DolphinDB 表的配置表名称。可以自行定义库、表名称。但表中的字段要保持一致。表结构见 3.2 节。 |
+| ddbsync.addSortColFlag | false | 是否开启补充列。若部分表需要通过补充列来设置sortColumns，则需要开启。具体原因见 4.1 节。 |
+
+参数说明：以上参数项为同步 DolphinDB 所需参数。如果对 Confluent 的JDBC Sink Connect 有经验可适当调节。
+6.
+通过 REST API 启动source连接器：
+
+```dolphindb
+curl -i -X POST -H "Accept:application/json" -H  "Content-Type:application/json" http://183.134.101.144:8083/connectors/ -d @ddb-sink.json
+```
+
+也可以通过 kafka-tools 中的脚本启动：
+
+```dolphindb
+cd /KFDATA/kafka-tools/bin
+./rest.sh create /KFDATA/datasyn-config/ddb-sink.json
+```
+
+查看同步任务状态， ddb-sink 是 DolphinDB 的数据同步任务：
+
+```dolphindb
+./rest.sh showall
+```
+
+  
+![26](images/DKOD/26.jpg)  
+
+**第四步： 查看表初始数据同步进度**
+
+在设置 Oracle 同步任务时，将`snapshot.mode`选项值设置为 ”initial” ，该选项意味着 Oracle 会同步表的初始数据到 Kafka 中，设置完下游的 DolphinDB 任务后，可以检查初始数据的同步情况。
+
+通过 kafka.sh 脚本查看消费者列表：
+
+```dolphindb
+./kafka.sh cm_list
+```
+
+  
+![27](images/DKOD/27.png)  
+
+查看 DolphinDB 同步任务对应的 Kafka 消费组中的每一个 consumer 的消费进度，通过此命令可以查看同步程序中每一张的表同步进度。 Lag 为 0 则表示 Kafka 中 topic 当前没有未消费的数据，即 Kafka 中的数据与对应表的数据是一致的。
+
+```dolphindb
+./kafka.sh cm_detail connector-ddb-sink
+```
+
+  
+![28](images/DKOD/28.jpg)  
+
+如上图显示，数据已被 DolphinDB 同步任务消费完毕，此时在 DolphinDB 的 web 界面查看表中数据，表数据和 Oracle 表中数据是一致的。
+
+  
+![29](images/DKOD/29.jpg)  
+  
+![30](images/DKOD/30.jpg)
+
+### 4.3 实时同步验证
+
+**第一步：插入数据**
+
+向 Oracle 表插入两条新数据：
+
+```dolphindb
+insert into debezium.index_example
+values (to_date('2006-11-30', 'YYYY-MM-DD'), '600051', 
+to_date('2018-06-30 05:48:05', 'YYYY-MM-DD HH:MI:SS'), '上证180', '000010', '三一重工', 
+'XXXB', 0.0043, to_date('2018-06-30 05:48:05', 'YYYY-MM-DD HH24:MI:SS'), 1);
+
+insert into debezium.index_example
+values (to_date('2006-11-30', 'YYYY-MM-DD'), '600052', 
+to_date('2018-06-30 06:48:02', 'YYYY-MM-DD HH:MI:SS'), '沪深300', '000300', '三一重工', 
+'XSHG', 0.0029, to_date('2018-06-30 05:48:05', 'YYYY-MM-DD HH24:MI:SS'), 1);
+```
+
+查看 DolphinDB 对应的表数据：
+
+```dolphindb
+select * from loadTable("dfs://index_data", "index_example")
+```
+
+可以看到新数据已写入：
+
+  
+![31](images/DKOD/31.jpg)  
+
+**第二步：更新数据**
+
+Oracle 更改 code 值为600031数据的 tm\_stamp 字段值，更改为 2024.02.28 16:00:00：
+
+```dolphindb
+update debezium.index_example 
+set tm_stamp = to_date('2024-02-28 16:00:00', 'YYYY-MM-DD HH24:MI:SS')
+where stock_code = '600031';
+```
+
+再查看 DolphinDB 中数据，数据已被修改：
+
+  
+![32](images/DKOD/32.jpg)  
+
+**第三步：删除数据**
+
+Oracle 删除一条数据：
+
+```dolphindb
+delete from debezium.index_example where stock_code = '600052';
+```
+
+再查看 DolphinDB 中数据，数据已被删除：
+
+  
+![33](images/DKOD/33.jpg)
+
+## 5. 部署注意事项
+
+### 5.1 实时同步须知
+
+DolphinDB 是一款支持海量数据的分布式时序数据库。针对不同的数据处理需求，在底层架构上天然上与通常的关系型数据库不同，所以需要有以下限制：
+
+- DolphinDB 的表没有主键设计，必须使用 TSDB 引擎，将主键设置为 sortColumn 字段，并设置 **keepDuplicates=LAST** 来进行去重，以确保数据唯一性。TSDB 引擎的 sortColumn 是分区内去重，如果使用的是分区表，需要至少将其中一个主键列设置为分区列。
+- Oracle 表的主键可能不满足 TSDB 引擎的 sortColumn 设置规则，有以下三种情况：
+  - Oracle 表中有两个及以上的主键，其中一个主键为整数类型或时间类型，但末尾列不是整数类型或时间类型：
+    - 该情况需要调整 sortColumn 设置的顺序，将整数类型或时间类型的主键移动到末尾。
+  - Oracle 表中只有一个主键，或者 Oracle 表中的主键的数据类型均不包含整数类型或时间类型：
+    - 该情况需要建表时在末尾补充一个 dummySortKey\_\_ 列，值均设置为0，对应同步程序的配置表中需要将add\_sortcol\_flag 列的值设置为“1”，若使用 DataX 进行同步，则需要做数据转换。
+  - Oracle 表中的主键类型包含 DolphinDB 不支持的类型。
+    - DolphinDB TSDB 引擎的 sortColumns 支持整数、日期或时间、字符串类型，暂时不支持小数类型，但预计会在后续的版本里支持，请关注版本更新。
+
+DDL 语句相关：
+
+- 当前不支持 DDL 语句同步。
+- 若表结构发生更改，需进行单表修复，具体操作后续会在实时同步的运维手册文档中给出。
+
+其他：
+
+- 表字段命名时，请尽量规避一些简单的名字，比如 code, timestamp 等，这种命名与 DolphinDB 内关键字重复，可能会导致无法正确同步。
+
+### 5.2 Oracle-DolphinDB 数据类型对应表
+
+以下的类型对应表为推荐设置的 DolphinDB 类型，注意两者数据类型表示的精度范围，确保 DolphinDB 数据类型的精度可以覆盖原 Oracle 类型。
+
+| Oracle类型 | DolphinDB类型 |
+| --- | --- |
+| NUMBER / NUMBER(P, S > 0) | DOUBLE / DECIMAL |
+| FLOAT / DOUBLE PRICISION | DOUBLE |
+| INTEGER / NUMBER(P, 0) | LONG |
+| VARCHAR(M) / CHAR(M) | SYMBOL / STRING |
+| DATE | DATE（仅日期）或TIMESTAMP（毫秒级时间戳） |
+| TIMESTAMP(0 - 3) | TIMESTAMP（毫秒级时间戳） |
+| TIMESTAMP, TIMESTAMP(4 - 6) | NANOTIMESTAMP（纳秒级时间戳） |
+| TIMESTAMP(7 - 9) | NANOTIMESTAMP |
+
+在浮点数数据处理上，Oracle 的 NUMBER 类型是精确值，如果转换成 DolphinDB 的 DOUBLE 类型，会存在浮点数精度丢失问题。DolphinDB 的 DOUBLE 类型的精度为15-16位有效数字。因此推荐用户转换成 DolphinDB 的 DECIMAL 类型，确保浮点数精度。
+
+在时间类型转换上，请参照表中的类型映射，以保证 DolphinDB 中的时间类型字段在精度上可以覆盖 Oracle 中时间类型字段的精度。
+
+## 6. 同步性能测试
+
+### 6.1 性能测试配置
+
+**参数配置调优**
+
+本次性能测试修改了 kafka 的配置参数 *message.max.bytes* 为 10,485,760，当更新数据量比较大时，kafka 每批处理的消息变多了，会有一定的性能提升。
+
+此外，也可以调整 Oracle 同步任务的 *log.mining.batch.size.max* 配置参数来增大 Oracle LogMiner 每批处理的数据量。该调整会增加 Oracle 的内存使用，需按实际情况评估调整。
+
+**建表语句**
+
+Oracle 建表，并生成测试数据代码：
+
+```dolphindb
+DROP TABLE debezium.performance_test1;
+CREATE TABLE debezium.performance_test1 (
+    dt date,
+    id varchar2(20),
+    str1 char(10),
+    val number,
+    qty varchar2(20),
+    tm date
+);
+-- 生成100w行数据，每天1000行
+INSERT INTO debezium.performance_test1 
+SELECT to_date('2020-01-01', 'YYYY-MM-DD') + trunc(level/1000), 
+to_char(mod(level,1000)+1), 'aa', 1.234, 1000, 
+to_date('2024-01-01 15:00:00', 'YYYY-MM-DD HH24:MI:SS') FROM dual
+connect by level <= 1000000;
+-- 添加主键
+ALTER TABLE debezium.performance_test1
+ADD CONSTRAINT pk_performance_test1 PRIMARY KEY (id, dt);
+
+DROP TABLE debezium.performance_test2;
+CREATE TABLE debezium.performance_test2 (
+    dt date,
+    id varchar2(20),
+    str1 char(10),
+    val number,
+    qty varchar2(20),
+    tm date
+);
+-- 生成1亿行数据，每天100000行
+INSERT INTO debezium.performance_test2
+SELECT to_date('2020-01-01', 'YYYY-MM-DD') + trunc(((lvl1-1)*10000+lvl2)/100000),
+to_char(mod(((lvl1-1)*10000+lvl2), 100000)+1), 'aa', 1.234, 1000, 
+to_date('2024-01-01 15:00:00', 'YYYY-MM-DD HH24:MI:SS')
+FROM (select level as lvl1 from dual connect by Level <= 10000)
+CROSS JOIN (select level as lvl2 from dual connect by Level <= 10000);
+-- 添加主键
+ALTER TABLE debezium.performance_test2
+ADD CONSTRAINT pk_performance_test2 PRIMARY KEY (id, dt);
+```
+
+DolphinDB 建表代码：
+
+```dolphindb
+dbName = "dfs://performance_test1"
+tbName = "performance_test1"
+colNames = `dt`id`str1`val`qty`tm
+colTypes = `DATE`SYMBOL`SYMBOL`DOUBLE`LONG`TIMESTAMP
+t = table(1:0, colNames, colTypes)
+pkColumns = `id`dt
+db = database(dbName, HASH, [SYMBOL, 2], , 'TSDB', 'CHUNK')
+db.createTable(t, tbName, sortColumns=pkColumns, keepDuplicates=LAST, softDelete=true)
+
+dbName = "dfs://performance_test2"
+tbName = "performance_test2"
+colNames = `dt`id`str1`val`qty`tm
+colTypes = `DATE`SYMBOL`SYMBOL`DOUBLE`LONG`TIMESTAMP
+t = table(1:0, colNames, colTypes)
+pkColumns = `id`dt
+partitionCols = `dt`id
+db1 = database(, RANGE, date(datetimeAdd(1990.01M, 0..100*12, 'M')))
+db2 = database(, HASH, [SYMBOL, 50])
+db = database(dbName, COMPO, [db1, db2], , `TSDB, `CHUNK)
+db.createPartitionedTable(t, tbName, partitionColumns=partitionCols, sortColumns=pkColumns, keepDuplicates=LAST, softDelete=true)
+```
+
+### 6.2 性能测试结果
+
+性能测试结果如下表所示，其中总耗时等于 DolphinDB 更新完成时间减去 Oracle 更新完成时间，因此总耗时包含了以下数据同步的完整链路：
+
+- Debezium 挖掘 Oracle 日志到 Kafka
+- Kafka 推送数据给相应 topic 的消费者
+- 下游的 DolphinDB Connector 消费 Kafka 中数据，解析为相应的 DolphinDB 更新语句，并执行写入 DolphinDB 完成
+
+Kafka 每次推送的变更数据在3000-4000条，具体条数和 Kafka 的日志大小配置相关。对于 insert 和 update 类型的操作，DolphinDB 的处理效率很高。对于 delete 类型操作，由于 delete 操作涉及数据查找， DolphinDB 的处理效率和具体表的数据行数、分区方式相关。
+
+表1：performance\_test1（原始数据：100万行，39MB）
+
+| 操作类型 | 操作行数 | 总耗时 |
+| --- | --- | --- |
+| insert | 1 | 1s |
+| insert | 10,000 | 2s |
+| insert | 1,000,000 | 1min5s |
+| update | 1 | 2s |
+| update | 10,000 | 4s |
+| update | 1,000,000 | 1min16s |
+| delete | 1 | 3s |
+| delete | 10,000 | 9s |
+| delete | 1,000,000 | 6min9s |
+
+表2：performance\_test2（原始数据：1亿行，3.2GB）
+
+| 操作类型 | 操作行数 | 总耗时 |
+| --- | --- | --- |
+| insert | 1 | 1s |
+| insert | 10,000 | 2s |
+| insert | 1,000,000 | 1min4s |
+| update | 1 | 1s |
+| update | 10,000 | 5s |
+| update | 1,000,000 | 1min14s |
+| delete | 1 | 3s |
+| delete | 10,000 | 7s |
+| delete | 1,000,000 | 3min22s |
+
+## 7. 常见问题解答（FAQ）
+
+### 7.1 创建同步任务时报错
+
+- **json 文件格式错误**
+
+  
+![34](images/DKOD/34.jpg)  
+
+造成上述问题的原因可能是多了逗号、少了逗号或者括号不正确，需要检查并修订 json 文件。
+
+- **Failed to resolve Oracle database version**
+
+  
+![35](images/DKOD/35.jpg)  
+
+该报错提示意味着 Oracle 数据库无法正常连接。造成上述问题的可能原因：
+
+- 未将 *ojdbc8.jar* 包到插件目录下
+- Kafka 用户对 *ojdbc8.jar* 文件没有读权限
+
+根据原因调整文件目录或读权限后，如果还是出现该错误，或者是其他无法连接 Oracle 的提示，可以尝试更换连接方式的写法，在配置文件中加入如下代码：
+
+```dolphindb
+"database.url" : "jdbc:oracle:thin:@192.168.189.130:1521:testdb",
+```
+
+- **Can’t find JdbcSinkConnector**
+
+查看日志提示没有 JdbcSinkConnector 包的加载。JdbcSinkConnector 是包含在 kafka-connect-jdbc-10.7.4-ddb1.10.jar 包内，需要确认该 jar 包是否防止在 kafka connect 的插件路径下，确认 kafka 对该文件的读权限。再通过 `java --version` 查看 Java 版本是否是17，Java 版本较低时，可能无法正确加载插件。目前已知使用 Java 8 时无法正确加载该插件。
+
+### 7.2 数据未同步或者未正确同步
+
+当数据未同步或者未正确同步时，请先按以下两步进行检查。然后对照后面的提供的错误列表进行参考调整。
+
+**step1 查看同步任务状态**
+
+先查看同步任务是否报错：
+
+```dolphindb
+cd /KFDATA/kafka-tools/bin
+./rest.sh showall
+```
+
+再看 kafka connect 的日志中是否出现 ERROR：
+
+```dolphindb
+cd /KFDATA/kafka-connect/logs
+cat connect.log | grep ERROR
+```
+
+如果有出现 ERROR，看 ERROR 显示的日志是 Oracle 报错还是 ddb-sink 报错，查看具体的报错信息。如果同步任务未报错，也没有 ERROR，再通过以下方式排查。
+
+**step2 查看 Oracle 数据是否同步到 Kafka**
+
+查看 Kafka 所有的 topic：
+
+```dolphindb
+cd /KFDATA/kafka-tools/bin
+./kafka.sh tplist
+```
+
+  
+![36](images/DKOD/36.jpg)  
+
+在查看该 topic 对应的数据条数：
+
+```dolphindb
+./kafka.sh get_offsets oracle_service.DEBEZIUM.INDEX_EXAMPLE
+```
+
+- **一张表出现两个 topic 名字**
+
+这说明 Oracle source 任务的 topic.prefix 或 DolphinDB sink 任务的 topics 配置项拼写有误，请检查这两项。DolphinDB sink 任务的 topics 必须为 .. 的格式。创建 sink 任务时，如果 topic 不存在，则会自动创建 topic，因此拼写错误会导致出现两个 topic 。
+
+- **没有表对应的 topic / 有对应的 topic，但数据条数为0**
+
+这说明 Oracle 数据未正常同步到 Kafka 中，请在同步任务的 table.include.list 中检查 Oracle 表名的拼写，或者在同步任务中未配置参数 "log.mining.strategy":"online\_catalog" 导致数据延迟大。
+
+- **有对应的 topic，有数据条数，但DolphinDB未同步**
+
+检查 DolphinDB Sink 任务中 topics 配置项中的拼写，检查同步任务配置表中是否有相同的条数。
+
+查看 Kafka 中数据是否与 Oracle 变更数据一致：
+
+```dolphindb
+./tpconsumer.sh --op=2 --topic=oracle_service.DEBEZIUM.INDEX_EXAMPLE --offset=0 --max-messages=20
+```
+
+在显示的结果中，初始数据同步的消息数据 op = r，新插入数据 op = c，更新数据 op = u
+
+- **插入数据正常，但更新或删除数据时未同步/报错**
+
+Oracle 未开启全字段补充日志
+
+```dolphindb
+ALTER TABLE debezium.index_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+ALTER TABLE debezium.stock_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+```
+
+### **7.3 同步任务运行报错**
+
+- **Java.lang.OutOfMemoryError**
+
+Kafka Connect 的默认内存为1GB，当数据更新量较大时会出现 JVM 内存不足，需要调整 JVM 大小。根据之前配置的安装路径，修改 kafka connect 的配置文件：
+
+```dolphindb
+vim /KFDATA/kafka-connect/etc/kafka-connect.env
+```
+
+在末尾加入 JVM 选项，内存大小根据实际需要调整：
+
+```dolphindb
+KAFKA_HEAP_OPTS="-Xms10G -Xmx10G"
+```
+
+- **Supplemental logging not properly configured.**
+
+未开启最小补充日志时，会报此错误
+
+```dolphindb
+ALTER DATABASE ADD SUPPLEMENTAL LOG DATA;
+```
+
+除了最小补充日志，还需开启全字段补充日志
+
+```dolphindb
+ALTER TABLE debezium.index_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+ALTER TABLE debezium.stock_example ADD SUPPLEMENTAL LOG DATA (ALL) COLUMNS;
+```
+
+## 8. 附录
+
+[DolphinDB 的 Kafka-Connect 插件包](https://cdn.dolphindb.cn/zh/tutorials/script/DKOD/kafka-connect-jdbc-10.7.4-ddb1.10.jar)
+
+[DolphinDB 的 JDBC 包](https://cdn.dolphindb.cn/zh/tutorials/script/DKOD/jdbc-2.00.11.1-ddbcdc-beta1.jar)
+
+[运维脚本包 kafka-tools](https://cdn.dolphindb.cn/zh/tutorials/script/DKOD/kafka-tools.tar)