云原生最佳实践系列 5：基于函数计算 FC 实现阿里云 Kafka 消息内容控制 MongoDB DML 操作
💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
该文章介绍了大数据ETL场景中使用Kafka将消息流转到其他下游服务的常见场景，通过判断消息内容对MongoDB进行DML操作，方案具有灵活性、可扩展性和完善的日志系统。文章还介绍了部署架构和产品介绍，但目前只支持阿里云Kafka。操作步骤包括环境搭建、配置MongoDB和函数计算FC，以及场景验证和资源释放。
🎯
关键要点
- 在大数据ETL场景中，Kafka用于将消息流转到下游服务。
- 方案通过Kafka消息Key判断对MongoDB进行DML操作，支持增、删、改。
- 用户可修改默认函数代码以满足复杂逻辑，整体方案通过CADT一键拉起依赖产品。
- 方案具有灵活性和可扩展性，支持根据消息内容判断DML操作。
- 函数计算提供完善的日志系统和容错机制，确保数据完整性和一致性。
- 目前源Kafka仅支持阿里云Kafka。
- 部署架构包括VPC、交换机、安全组、Kafka、函数计算FC和MongoDB。
- 专有网络VPC是用户自定义的私有网络，支持管理云产品实例。
- 函数计算FC是事件驱动的全托管计算服务，简化基础设施管理。
- 云消息队列Kafka版是高吞吐、可扩展的消息队列服务，广泛用于大数据领域。
- 云数据库MongoDB版提供高可用架构和弹性扩容等功能。
- 云速搭CADT为上云应用提供自助式云架构管理，降低管理难度和时间成本。
- 操作前需注册阿里云账号并完成实名认证，账户余额需大于100元。
- 操作步骤包括环境搭建、MongoDB配置、函数计算配置和场景验证。
❓
延伸问答
如何在大数据ETL场景中使用Kafka和MongoDB？
在大数据ETL场景中，可以通过Kafka将消息流转到MongoDB，并根据消息内容判断进行增、删、改的DML操作。
这个方案的灵活性和可扩展性体现在什么方面？
该方案通过Kafka消息Key判断DML操作，用户可以修改默认函数代码以满足复杂逻辑，具有很高的灵活性和可扩展性。
函数计算FC在这个方案中有什么作用？
函数计算FC是事件驱动的全托管计算服务，负责接收Kafka消息并根据内容判断对MongoDB进行相应的DML操作。
部署这个方案需要哪些前置条件？
需要注册阿里云账号并完成实名认证，账户余额需大于100元，以便购买按量付费资源。
如何配置MongoDB以支持该方案？
需要设置MongoDB的白名单，记录连接地址，创建数据库和集合，并查询数据以确保配置正确。
该方案目前支持哪些Kafka服务？
目前该方案仅支持阿里云Kafka。
➡️
