CDC

CDC (Change Data Capture) es una técnica para interceptar las modificaciones de datos (INSERT, UPDATE, DELETE) en el momento en que ocurren y propagarlas hacia otros sistemas en tiempo real o casi real. A diferencia de los enfoques batch tradicionales (ETL periódicos), el CDC captura los cambios de forma continua e incremental.

Cómo funciona #

El enfoque más difundido es el log-based CDC: un componente externo lee los logs de transacciones de la base de datos (binary log en MySQL, WAL en PostgreSQL, redo log en Oracle) y convierte los eventos en un flujo de datos consumible por otros sistemas. Herramientas como Debezium, Maxwell y Canal implementan este enfoque para MySQL leyendo directamente los binary log.

Para qué sirve #

El CDC se usa para:

• Sincronizar datos entre bases de datos diferentes en tiempo real
• Alimentar data warehouses y data lakes con actualizaciones incrementales
• Poblar cachés e índices de búsqueda (Elasticsearch, Redis)
• Implementar arquitecturas event-driven y microservicios

Cuándo se usa #

El CDC requiere que el binary log esté activo y en formato ROW (que registra los cambios fila por fila). Desactivar los binary log o usar el formato STATEMENT elimina la posibilidad de utilizar herramientas de CDC, haciendo imposible la integración en tiempo real con sistemas externos.