Kafka 消息包含控制字符（MongoDB 源连接器）答案

【问题标题】：Kafka message includes control characters (MongoDB Source Connector)Kafka 消息包含控制字符（MongoDB 源连接器）
【发布时间】：2021-08-04 19:04:43
【问题描述】：

我有一个 Kafka Connect MongoDB 源连接器（均通过 Confluent 平台）工作，但它创建的消息在开始时包含一个控制字符，这使得该消息的下游解析（到 JSON）比我想象的更难是。

正在运行的源连接器：

{
    "name": "mongo-source-connector",
    "config": {
        "connector.class": "com.mongodb.kafka.connect.MongoSourceConnector",
        "connection.uri": "mongodb://myUsername:myPassword@my-mongodb-host-address:27017",
        "database": "myDatabase",
        "collection": "myCollection",
        "change.stream.full.document": "updateLookup",
        "errors.log.enable": true
    }
}

此Source连接器在Kafka主题中创建的消息如下（注意前导控制字符）：

�{"_id": {"_data": "82609E8726000000012B022C0100296E5A1004BE208B099BCF4106822DE274B0B9D39A46645F69640064609E87267125D17D12D180620004"}, "operationType": "insert", "clusterTime": {"$timestamp": {"t": 1621002022, "i": 1}}, "fullDocument": {"_id": {"$oid": "609e87267125d17d12d18062"}, "uuid": "23534a5c-ad82-431c-a821-6b4aed4f59a1", "endingNumber": 10}, "ns": {"db": "myDatabase", "coll": "myCollection"}, "documentKey": {"_id": {"$oid": "609e87267125d17d12d18062"}}}

控制字符使下游解析为 JSON 变得困难，因为它使原本有效的 JSON 无效。我不知道它为什么存在或如何摆脱它。

我想，我可以先解析出像这个控制字符这样的垃圾，然后再像 JSON 一样对待它，但这似乎是我想避免的创可贴。

我现在处理消息的方式，我认为这是无关紧要的，因为我已经测试过它可以在没有控制字符的情况下使用有效的 JSON，如下所示：


data class MyChangesetMessageId (
    @JsonProperty("_data")
    val data: String
)

data class MyChangesetMessageTimestamp (
    val t: Long,
    val i: Int
)

data class MyChangesetMessageClusterTime (
    @JsonProperty("\$timestamp")
    val timestamp: MyChangesetMessageTimestamp
)

data class MyChangesetOid (
    @JsonProperty("\$oid")
    val oid: String
)

data class MyChangesetMessageFullDocument (
    @JsonProperty("_id")
    val id: MyChangesetOid,
    val uuid: String,
    val endingNumber: Int
)

data class MyChangesetMessageNS (
    val db: String,
    val coll: String
)

data class MyChangesetDocumentKey (
    @JsonProperty("_id")
    val id: MyChangesetOid
)

data class MyChangesetMessage (
    @JsonProperty("_id")
    val id: MyChangesetMessageId,
    val operationType: String,
    val clusterTime: MyChangesetMessageClusterTime,
    val fullDocument: MyChangesetMessageFullDocument,
    val ns: MyChangesetMessageNS,
    val documentKey: MyChangesetDocumentKey
)

...

val objectMapper = jacksonObjectMapper()
val changesetMessage = objectMapper.readValue(message, MyChangesetMessage::class.java)

感谢任何想法。

【问题讨论】：

你使用什么转换器类？
不管默认值是什么，看起来像output.json.formatter=com.mongodb.kafka.connect.source.json.formatter.DefaultJson。现在用com.mongodb.kafka.connect.source.json.formatter.SimplifiedJson 试试，因为我不知道还有什么可以尝试的。根据docs.mongodb.com/kafka-connector/current/kafka-source，默认值也是output.format.key=json 和output.format.value=json
我问的是 value.converter 不是格式化程序
@OneCricketeer 源连接器似乎没有value.converter 属性。 Sink 连接器可以，但按原样工作正常。我能找到的最接近 Source 的是 output.format.key 和 output.format.value 属性，它们可以是 json、bson 或 schema。 value.converter=io.confluent.connect.avro.AvroConverter 因为我想我不能用 Source 连接器覆盖它？
@OneCricketeer 我将其切换为StringConverter 并删除了魔术字符。谢谢你的主意。如果你想回答我可以接受。

标签： mongodb apache-kafka apache-kafka-connect confluent-platform mongodb-kafka-connector

【解决方案1】：

您所指的字符通常与已解码为字符串的 Avro 序列化数据常见。

检查 Connect 工作程序中的键/值转换器设置，因为您尚未在连接器中定义它。

如果您想解析为 JSON，请使用 JSONConverter，否则如果您想跳过数据类定义并从 Avro 模式生成它，Avro 也可以工作

【讨论】：