Imaginez que vous puissiez déployer des modifications de schéma en toute confiance, en sachant que votre pipeline les gérera sans heurts, que vos consommateurs fonctionneront correctement et que vos données resteront cohérentes. C’est là toute la différence entre espérer que votre pipeline CDC fonctionne et savoir qu’il fonctionnera. Dans cette formation, vous apprendrez à créer un pipeline CDC opérationnel et indépendant des éditeurs, ainsi qu’une table unique et unifiée à partir de schémas sources en constante évolution. En partant de Debezium, qui diffuse les modifications de Postgres/MySQL vers Kafka, vous utiliserez Schema Registry pour garantir la compatibilité, puis vous appliquerez le streaming SQL dans Flink (ou ksqlDB) pour mapper, convertir et fusionner les champs divergents en un modèle canonique. Enfin, vous enregistrerez les résultats dans une table Apache Iceberg et les interrogez instantanément avec Trino. Au fil de la formation, vous apprendrez des stratégies pratiques pour gérer la dérive des schémas, choisir les modes de compatibilité (rétroactive/complète) et éviter de perturber les consommateurs en aval. Tout s’exécute localement avec Docker, ce qui vous permet de reproduire ces opérations n’importe où et de transposer ultérieurement ces mêmes modèles dans votre infrastructure cloud.

Cette formation s’adresse aux ingénieurs travaillant avec Kafka, Debezium et le SQL en streaming qui ont besoin de compétences fiables en matière d’évolution des schémas et de modélisation canonique. Les participants doivent maîtriser les bases du SQL et de Docker, et avoir une bonne connaissance de Kafka ou des concepts liés au streaming. À l’issue de cette formation, vous serez en mesure de mettre en œuvre un petit pipeline CDC de bout en bout qui récupère les données en continu depuis une base de données source et unifie les schémas évolutifs en une seule table interrogeable.