CDC: carregar só o que mudou e poupar o sistema de origem

Toda noite, em muitas empresas, uma rotina copia tabelas inteiras do ERP para o ambiente de análise. Pedidos antigos, cadastros que não mudam há meses e lançamentos já fechados são copiados de novo, só para que o relatório da manhã mostre as poucas linhas alteradas na véspera.
Esse modelo funciona enquanto o volume é pequeno. Quando a base cresce, sobra menos tempo para a carga, as consultas pesam sobre o banco que atende a operação e a análise passa a depender de um horário em que ninguém pode usar o sistema.
O que muda com a captura de mudanças
A captura de mudanças de dados, ou CDC (change data capture), funciona de outra forma. Ela identifica o que foi inserido, alterado ou excluído na origem e envia só isso ao destino. Segundo a Qlik, a forma baseada em log lê o log de transações do banco e captura cada mudança com carga mínima sobre a origem.
Na prática, o sistema transacional deixa de passar por leituras completas, e a análise fica mais próxima do que acontece na operação. Um guia da Domo sobre ferramentas de ingestão indica o CDC para três situações: quando se quer dado quase em tempo real, menos impacto nos bancos de produção ou registrar exclusões e atualizações, e não só registros novos.
O recurso já vem dentro das plataformas
Por muito tempo, montar CDC exigia ferramentas separadas. Hoje o recurso vem pronto nas plataformas. Em 15 de outubro de 2026, o pipeline de CDC integrado para MySQL chegou à disponibilidade geral no Azure Databricks. Segundo as notas de versão, um único pipeline extrai e aplica as mudanças, sem um gateway de ingestão separado.
A documentação da Qlik Talend Data Integration vai na mesma linha. Os dados entregues ao Qlik Cloud ou a data warehouses em nuvem, como Snowflake, Google BigQuery e Azure Synapse Analytics, podem ser mantidos atualizados sem intervenção manual. Isso vale tanto por CDC quanto por recargas agendadas, com fontes locais ou na nuvem.
Com o recurso pronto para ligar, a pergunta muda. Saber como capturar as mudanças importa menos do que desenhar o fluxo. O guia da Domo aponta três desafios: mudanças no esquema da origem, o tratamento das exclusões e a carga inicial antes do fluxo incremental. São esses pontos que decidem o resultado.
Exclusões: o que sumiu da origem precisa refletir no destino
A carga incremental por data de alteração costuma deixar as exclusões de fora. A linha apagada some da origem, mas continua no destino. Um título cancelado no ERP, por exemplo, pode continuar somando no contas a receber do painel.
O CDC pode resolver esse problema, mas não em todos os casos. Um levantamento da Weld alerta que nem toda implementação registra com segurança as exclusões físicas. Antes de ativar o fluxo, vale apagar um registro de teste na origem, em homologação, e conferir o que chega ao destino.
Também é preciso decidir se a exclusão vai remover a linha no destino ou só marcá-la como excluída. A segunda opção guarda o histórico para auditoria, mas exige que os relatórios filtrem esses registros.
Carga inicial: o ponto de partida define o resto
O CDC registra mudanças a partir de um momento. Antes disso, é preciso copiar as tabelas inteiras uma vez. Se essa cópia e o início da captura não estiverem alinhados, mudanças feitas durante a carga podem se perder ou ser aplicadas duas vezes.
Desenhar essa etapa significa escolher a janela de menor uso, comparar contagens e totais entre origem e destino e garantir que o log de transações seja guardado pelo tempo necessário. Também significa saber como recarregar uma única tabela sem reiniciar todo o ambiente.
Esse procedimento não serve só para a estreia. Ele volta a ser usado sempre que for preciso reprocessar dados depois de uma falha.
Mudança de estrutura: quando a origem muda sem avisar
ERPs ganham colunas em atualizações de versão, campos mudam de tipo e tabelas são renomeadas. Num fluxo contínuo, essas mudanças chegam ao destino sem que ninguém as revise. A Weld observa que algumas ferramentas repassam essas mudanças sozinhas, enquanto outras podem parar quando surge uma coluna nova ou um tipo muda.
Nenhum dos dois comportamentos é certo em todos os casos. Repassar tudo sem controle pode quebrar relatórios mais adiante. Parar o fluxo pode deixar a análise desatualizada. A escolha precisa ser explícita, tabela por tabela, e combinada com quem administra a origem.
Quando a recarga agendada ainda basta
O CDC deixa o ambiente mais complexo. A própria Weld lembra que, se atualizar uma vez por hora é suficiente, as sincronizações agendadas tendem a ser mais simples e baratas.
Tabelas pequenas, cadastros que mudam pouco e bancos que não permitem ler o log podem continuar com carga completa ou incremental simples. Num mesmo ambiente, o normal é ter as duas coisas, e não trocar tudo de uma vez.
Por onde começar
Um bom primeiro passo é escolher uma tabela de muito volume e muita alteração, como pedidos ou títulos financeiros. Antes de ligar o CDC, vale responder três perguntas por escrito. Como as exclusões chegam ao destino? Como a carga inicial será feita e conferida? O que acontece quando a estrutura da origem mudar?
Com essas respostas testadas em homologação, o mesmo modelo pode ser levado para as outras tabelas. A Financeit atua na estruturação de dados e na adoção da Qlik, do diagnóstico das fontes à implementação e ao suporte. Empresas que querem avaliar quais tabelas justificam CDC podem começar por esse diagnóstico.
Fontes
- October 2026 – Azure Databricks release notes (MySQL integrated CDC pipeline is now generally available)
- Introducing Data Integration – Qlik Talend Data Integration
- Data Integration & Quality Solutions – Qlik
- 11 Best Data Ingestion Tools in 2026 for Real-Time Analytics and AI – Domo
- Top 8 CDC Tools 2026 – Weld
