我想用KStream接口批量消息 .
我有一个带有键/值的Stream我试图在翻滚窗口中收集它们,然后我想立即处理完整的窗口 .
builder.stream(longSerde, updateEventSerde, CONSUME_TOPIC)
.aggregateByKey(
HashMap::new,
(aggKey, value, aggregate) -> {
aggregate.put(value.getUuid, value);
return aggregate;
},
TimeWindows.of("intentWindow", 100),
longSerde, mapSerde)
.foreach((wk, values) -> {
事情是每次更新到KTable时调用foreach . 一旦完成,我想处理整个窗口 . 如从100毫秒收集数据,然后立即处理 . 在每个 .
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 294
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 295
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 296
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 297
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 298
16:** - windows from 2016-08-23T10:56:26 to 2016-08-23T10:56:27, key 2016-07-21T14:38:16.288, value count: 299
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 1
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 2
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 3
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 4
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 5
16:** - windows from 2016-08-23T10:56:27 to 2016-08-23T10:56:28, key 2016-07-21T14:38:16.288, value count: 6
在某些时候,新窗口从 Map 中的1个条目开始 . 所以我甚至不知道窗户什么时候满了 .
任何在kafka流中批处理的提示
3 回答
现在(截至Kafka 0.10.0.0 / 0.10.0.1):您描述的窗口行为是“按预期工作” . 也就是说,如果您收到1,000条传入消息,您(目前)将始终看到最新版本的Kafka / Kafka Streams向下游发送1,000个更新 .
展望未来:Kafka社区正在开发新功能,以使此更新速率行为更加灵活(例如,允许您在上面描述的所需行为) . 有关详细信息,请参阅KIP-63: Unify store and downstream caching in streams .
我的实际任务是将更新从流推送到redis,但即使redis速度很快,我也不想单独读取/更新/写入 . 我现在的解决方案是使用KStream.process()提供一个处理器,该处理器在进程中添加队列并实际处理队列中的队列 .
我仍然需要测试,但它解决了我遇到的问题 . 人们可以很容易地以非常通用的方式编写这样的处理器 . API非常整洁干净但是processBatched((List batchedMessaages) - > ...,timeInterval或countInterval)只是使用punctuate来处理批处理并在那时提交并在Store中收集KeyValues可能是一个有用的补充 .
但也许它的目的是通过一个处理器解决这个问题,并将API纯粹保留在一个消息中,同时保持低延迟焦点 .
====== Update ======
在进一步测试时,这不起作用 . 正确的方法是使用@friedrich-nietzsche概述的处理器 . 我投票给自己的答案.... grrrr .
===================
我仍在努力使用这个API(但是我很喜欢它,所以现在花了很多时间:)),我不确定你要从代码示例结束的地方下游完成什么,但它看起来与我得到的相似工作 . 高水平是:
从源读取对象 . 它代表一个密钥和1:∞事件数,我想每5秒发布一个事件的总事件数(或TP5s,每5秒事务数) . 代码的开头看起来一样,但我使用:
KStreamBuilder . stream
reduceByKey
到一个窗口(5000)
到new stream,每5秒获取每个键的累计值 .
map,每个键流到一个新的KeyValue
to接收器主题 .
在我的情况下,每个窗口期间,我可以将每个键的所有事件减少到一个事件,这样就行了 . 如果你想保留每个窗口的所有单独事件,我假设可以使用reduce将每个实例映射到一个实例集合(可能使用相同的密钥,或者你可能需要一个新密钥)并在每个窗口期结束时,下游流将获得一堆你的事件集合(或者可能只是所有事件的一个集合),一气呵成 . 它看起来像这样,消毒和Java 7-ish: