KStream 批处理 windows

Question

我想用KStream接口批量发送消息

我有一个 Keys/values 的流我试图在翻滚中收集它们 window 然后我想一次处理完整的 window。

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) -> {

问题是每次更新 KTable 时都会调用 foreach。我想在完成后处理整个 window。就像从 100 毫秒开始收集数据然后立即处理一样。每个人都在。

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，新的 window 从地图中的 1 个条目开始。所以我什至不知道window什么时候满了。

关于在 kafka 流中进行批处理的任何提示

Answer 1

现在（从 Kafka 0.10.0.0 / 0.10.0.1 开始）：您描述的窗口行为是 "working as expected"。也就是说，如果您收到 1,000 条传入消息，您将（当前）始终看到 1,000 条更新通过最新版本的 Kafka / Kafka Streams 向下游传输。

展望未来：Kafka 社区正在开发新功能，以使这种更新率行为更加灵活（例如，允许您将上述描述作为您想要的行为）。有关详细信息，请参阅 KIP-63: Unify store and downstream caching in streams。

Answer 2

======更新======

经进一步测试，这不起作用。正确的方法是使用 @friedrich-nietzsche 概述的处理器。我对自己的答案投反对票.... grrrr.

===================

我还在纠结这个 API（但我喜欢它，所以时间花得值:)），我不确定你在代码示例结束的下游想要完成什么，但它看起来与我的工作相似。高级别是：

从源读取对象。它代表一个键和 1:∞ 个事件，我想每 5 秒发布每个键的事件总数（或 TP5s，每 5 秒的事务数）。代码的开头看起来一样，但我使用：

KStreamBuilder.stream
reduceByKey
到 window(5000)
到 new stream 每 5 秒获取每个键的累积值。
map that stream to a new KeyValue 每个键
to 接收器主题。

在我的例子中，每个 window 周期，我可以将所有事件减少到每个键一个事件，所以这是可行的。如果您想保留每个 window 的所有单个事件，我假设可以使用 reduce 将每个实例映射到实例集合（可能使用相同的键，或者您可能需要一个新键）并在最后在每个 window 期间，下游流将一次获得一堆您的事件集合（或者可能只是所有事件的一个集合）。它看起来像这样，经过消毒和 Java 7-ish:

    builder.stream(STRING_SERDE, EVENT_SERDE, SOURCE_TOPICS)
        .reduceByKey(eventReducer, TimeWindows.of("EventMeterAccumulator", 5000), STRING_SERDE, EVENT_SERDE)            
        .toStream()
        .map(new KeyValueMapper<Windowed<String>, Event, KeyValue<String,Event>>() {
            public KeyValue<String, Event> apply(final Windowed<String> key, final Event finalEvent) {
                return new KeyValue<String, Event>(key.key(), new Event(key.window().end(), finalEvent.getCount());
            }
    }).to(STRING_SERDE, EVENT_SERDE, SINK_TOPIC);

Answer 3

我的实际任务是将更新从流推送到redis，但我不想单独读取/更新/写入，即使redis 很快。我现在的解决方案是使用 KStream.process() 提供一个处理器，该处理器将添加到进程中的队列并实际处理队列。

public class BatchedProcessor extends AbstractProcessor{

...
BatchedProcessor(Writer writer, long schedulePeriodic)

@Override
public void init(ProcessorContext context) {
    super.init(context);
    context.schedule(schedulePeriodic);
}

@Override
public void punctuate(long timestamp) {
    super.punctuate(timestamp);
    writer.processQueue();
    context().commit();
}

@Override
public void process(Long aLong, IntentUpdateEvent intentUpdateEvent) {
    writer.addToQueue(intentUpdateEvent);
}

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一种非常通用的方式编写这样一个处理器。 API 非常整洁干净，但是 processBatched((List batchedMessaages)-> ..., timeInterval OR countInterval) 只使用 punctuate 来处理批处理并在此时提交并在 Store 中收集 KeyValues 可能是有用的补充。

但也许它的目的是用处理器解决这个问题并保持 API 一次只在一条消息中保持低延迟焦点。

KStream 批处理 windows

KStream batch process windows

java

apache-kafka

apache-kafka-streams