Debezium 是一個為捕獲數據更改 (Change Data Capture, CDC) 提供低延遲的流式處理平臺，利用 Kafka 和 Kafka Connect 實現了持久性、可靠性和容錯性。

Debezium 有很多非常有價值的使用場景，我們在這兒僅僅列出幾個更常見的使用場景。

緩存失效 (Cache invalidation)

在緩存中緩存的條目(entry)在源頭被更改或者被刪除的時候立即讓緩存中的條目失效。如果緩存在一個獨立的進程中運行(例如Redis，Memcache，Infinispan或者其他的)，那么簡單的緩存失效邏輯可以放在獨立的進程或服務中，從而簡化主應用的邏輯。在一些場景中，緩存失效邏輯可以更復雜一點，讓它利用更改事件中的更新數據去更新緩存中受影響的條目。

簡化單體應用(Simplifying monolithic applications)

許多應用更新數據庫，然后在數據庫中的更改被提交后，做一些額外的工作：更新搜索索引，更新緩存，發送通知，運行業務邏輯，等等。這種情況通常稱為雙寫(dual-writes)，因為應用沒有在一個事務內寫多個系統。這樣不僅應用邏輯復雜難以維護，而且雙寫容易丟失數據或者在一些系統更新成功而另一些系統沒有更新成功的時候造成不同系統之間的狀態不一致。使用捕獲更改數據技術(change data capture,CDC)，在源數據庫的數據更改提交后，這些額外的工作可以被放在獨立的線程或者進程(服務)中完成。這種實現方式的容錯性更好，不會丟失事件，容易擴展，并且更容易支持升級。

共享數據庫(Sharing databases)

當多個應用共用同一個數據庫的時候，一個應用提交的更改通常要被另一個應用感知到。一種實現方式是使用消息總線，盡管非事務性(non-transactional)的消息總線總會受上面提到的雙寫(dual-writes)影響。但是，另一種實現方式，即Debezium，變得很直接：每個應用可以直接監控數據庫的更改，并且響應更改。

數據集成(Data integration)

數據通常被存儲在多個地方，尤其是當數據被用于不同的目的的時候，會有不同的形式。保持多系統的同步是很有挑戰性的，但是可以通過使用Debezium加上簡單的事件處理邏輯來實現簡單的ETL類型的解決方案。

命令查詢職責分離(CQRS)

在命令查詢職責分離?Command Query Responsibility Separation (CQRS)?架構模式中，更新數據使用了一種數據模型，讀數據使用了一種或者多種數據模型。由于數據更改被記錄在更新側(update-side)，這些更改將被處理以更新各種讀展示。所以CQRS應用通常更復雜，尤其是他們需要保證可靠性和全序(totally-ordered)處理。Debezium和CDC可以使這種方式更可行：寫操作被正常記錄，但是Debezium捕獲數據更改，并且持久化到全序流里，然后供那些需要異步更新只讀視圖的服務消費。寫側(write-side)表可以表示面向領域的實體(domain-oriented entities)，或者當CQRS和?Event Sourcing?結合的時候，寫側表僅僅用做追加操作命令事件的日志。