我正在尝试使用KSQL(作为confluent-5.0.0的一部分)从一组父记录和子记录中创建单个记录,其中每个父记录都有多个子记录(特别是付款细节和涉及的各方)在付款) . 这些父/子记录由父母的id链接 . 为了说明,我正在处理源系统中大致这种结构的记录:
payment:
| id | currency | amount | payment_date |
|------------------------------------------|
| pmt01 | USD | 20000 | 2018-11-20 |
| pmt02 | USD | 13000 | 2018-11-23 |
payment_parties:
| id | payment_id | party_type | party_ident | party_account |
|-----------------------------------------------------------------|
| prt01 | pmt01 | sender | XXYYZZ23 | (null) |
| prt02 | pmt01 | intermediary | AADDEE98 | 123456789 |
| prt03 | pmt01 | receiver | FFGGHH56 | 987654321 |
| prt04 | pmt02 | sender | XXYYZZ23 | (null) |
| prt05 | pmt02 | intermediary | (null) | (null) |
| prt06 | pmt02 | receiver | FFGGHH56 | 987654321 |
这些记录以AVRO格式加载到使用Oracle Golden Gate的一组Kafka主题中,每个表都有一个主题 . 这意味着存在以下主题: src_payment
和 src_payment_parties
. 按照源系统的运行方式,这些记录的时间戳在几毫秒内 .
现在,目的是将这些记录“压扁”为单个记录,这些记录将从传出的主题中消耗 . 为了说明,对于上面的记录,所需的输出将是这些行:
payment_flattened:
| id | currency | amount | payment_date | sender_ident | sender_account | intermediary_ident | intermediary_account | receiver_ident | receiver_account |
|----------------------------------------------------------------------------------------------------------------------------------------------------------|
| pmt01 | USD | 20000 | 2018-11-20 | XXYYZZ23 | (null) | AADDEE98 | 123456789 | FFGGHH56 | 987654321 |
| pmt02 | USD | 13000 | 2018-11-23 | XXYYZZ23 | (null) | (null) | (null) | FFGGHH56 | 987654321 |
我想在这里问的第一个问题如下: How can I best achieve this combination of data from the source topics?
当然,我自己也尝试过一些动作 . 为了简洁起见,我将描述我试图将第一个付款方附加到付款记录中 .
第一步:设置源流
注意:由于OGG设置将一个名为'table'的属性添加到AVRO模式,我必须指定要从主题中获取的字段 . 另外,我对指定操作类型的字段(例如插入或更新)不感兴趣 .
create stream payment_stream (id varchar, currency varchar, amount double, \
payment_date varchar) with (kafka_topic='src_payment',value_format='avro');
create stream payment_parties_stream (id varchar, payment_id varchar, party_type varchar, \
party_ident varchar, party_account varchar) with (kafka_topic='src_payment_parties',\
value_format='avro');
第二步:为付款发件人创建流
注意:从我从文档中收集到的,并从实验中发现,为了能够将支付流加入支付方流,后者需要按支付ID进行分区 . 此外,我使联接工作的唯一方法是重命名列 .
create stream payment_sender_stream as select payment_id as id, party_ident, \
party_account from payment_parties_stream where party_type = 'sender' partition by id;
第三步:加入两个流
注意:我正在使用左连接,因为并非每个付款都有所有参与方 . 如上面的示例记录所示, pmt02
没有中介 .
create stream payment_with_sender as select pmt.id as id, pmt.currency, pmt.amount, \
pmt.payment_date, snd.party_ident, snd.party_account from payment_stream pmt left join \
payment_sender_stream snd within 1 seconds on pmt.id = snd.id;
现在,我希望从这个流输出的输出是这样的:
ksql> select * from payment_with_sender;
rowtime | pmt01 | pmt01 | USD | 20000 | 2018-11-20 | XXYYZZ23 | null
rowtime | pmt02 | pmt02 | USD | 13000 | 2018-11-23 | XXYYZZ23 | null
相反,我看到的输出是这样的:
ksql> select * from payment_with_sender;
rowtime | pmt01 | pmt01 | USD | 20000 | 2018-11-20 | null | null
rowtime | pmt01 | pmt01 | USD | 20000 | 2018-11-20 | XXYYZZ23 | null
rowtime | pmt02 | pmt02 | USD | 13000 | 2018-11-23 | null | null
rowtime | pmt02 | pmt02 | USD | 13000 | 2018-11-23 | XXYYZZ23 | null
因此,我想问的第二个(两部分)问题是: Why does the left join produce these duplicate records? And can this be avoided?
对于文本墙的道歉,我试图在问题的描述中尽可能完整 . 当然,我很乐意添加任何可能的遗漏信息,并尽我所知回答有关设置的问题 .
1 回答
你快到了 :-)
WITHIN 1 SECONDS
将为您提供从联接双方触发的结果 .相反,请尝试
WITHIN (0 SECONDS, 1 SECONDS)
. 然后,只有连接右侧的记录将连接到左侧,反之则不然 .您可以在文章I wrote here中阅读有关此模式的更多信息 .
顺便说一句,如果你想解决OGG的
table
保留字问题,你可以在GG配置中设置includeTableName to false .