[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-change-data-capture::ru":3,"gloss-cluster-change-data-capture::ru":26,"gloss-next-change-data-capture::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"change-data-capture","data-infra","Захват изменений данных (CDC)","Change Data Capture (CDC) — это подход к отслеживанию построчных изменений в исходной базе данных (вставок, обновлений, удалений) и их передаче в другие системы почти в реальном времени. Вместо того чтобы по расписанию перечитывать всю таблицу, CDC обычно читает журнал транзакций базы (например, WAL в Postgres или binlog в MySQL) и потому фиксирует каждое изменение с минимальной нагрузкой на источник.\n\nДля SaaS-разработчиков CDC — это то, что держит аналитическое хранилище, поисковый индекс или кеш в синхронизации с боевой базой без тяжёлых пакетных заданий. На нём построены инструменты вроде Debezium, Fivetran и Airbyte; это основа событийных архитектур и reverse-ETL.\n\nНа практике: CDC на основе журнала гораздо бережнее, чем опрос запросами, но требует повышенных прав в базе и аккуратной обработки изменений схемы. Заложите в план порядок событий и идемпотентность — одно и то же изменение может прийти повторно, поэтому потребители обязаны терпеть дубликаты. Следите за ростом слота репликации в Postgres: отключившийся потребитель может незаметно забить диск.","Change data capture отдаёт построчные вставки, обновления и удаления почти в реальном времени, читая журнал транзакций вместо повторного опроса таблиц.",null,[11,14,17,20,23],{"slug":12,"name":13},"data-pipeline","Конвейер данных (Data Pipeline)",{"slug":15,"name":16},"message-queue","Очередь сообщений (Message Queue)",{"slug":18,"name":19},"replication","Репликация (Replication)",{"slug":21,"name":22},"reverse-etl","Reverse ETL (обратный ETL)",{"slug":24,"name":25},"streaming-data-processing","Потоковая обработка данных (Streaming)",[27,31,34,37,40,44,47,50,53,57,60,63],{"slug":28,"category":5,"name":29,"updated_at":30},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":32,"category":5,"name":33,"updated_at":30},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":35,"category":5,"name":36,"updated_at":30},"backpressure","Обратное давление (backpressure)",{"slug":38,"category":5,"name":39,"updated_at":30},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":41,"category":5,"name":42,"updated_at":43},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":45,"category":5,"name":46,"updated_at":30},"cache","Кэш (Cache)",{"slug":48,"category":5,"name":49,"updated_at":30},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":51,"category":5,"name":52,"updated_at":30},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":30},"columnar-storage","Колоночное хранение",{"slug":61,"category":5,"name":62,"updated_at":30},"connection-pooling","Пулинг соединений (Connection Pooling)",{"slug":64,"category":5,"name":65,"updated_at":30},"cosine-similarity","Косинусное сходство (Cosine Similarity)"]