如何提取 Kafka Streams 消息中嵌入的时间戳

Question

我想提取每条消息中嵌入的时间戳并将它们作为 json 有效负载发送到我的数据库中。

我想获取以下三个时间戳。

事件时间： The point in time when an event or data record occurred, i.e. was originally created “by the source”.

处理时间： The point in time when the event or data record happens to be processed by the stream processing application, i.e. when the record is being consumed.

摄取时间： The point in time when an event or data record is stored in a topic partition by a Kafka broker.

这是我的流应用程序代码：

Properties props = new Properties();

props.put(StreamsConfig.APPLICATION_ID_CONFIG, "streams-pipe");
props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, BROKER_URL + ":9092"); // pass from env localhost:9092 ,BROKER_URL + ":9092"
props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());

final StreamsBuilder builder = new StreamsBuilder();

KStream<String, String> source_o365_user_activity = builder.stream("o365_user_activity");

source_o365_user_activity.flatMapValues(new ValueMapper<String, Iterable<String>>() {
    @Override
    public Iterable<String> apply(String value) {
        System.out.println("========> o365_user_activity_by_date Log:     " + value);
        ArrayList<String> keywords = new ArrayList<String>();
        try {
            JSONObject send = new JSONObject();
            JSONObject received = new JSONObject(value);

            send.put("current_date", getCurrentDate().toString()); // UTC TIME
            send.put("activity_time", received.get("CreationTime")); // CONSTANTS FINAL STATIC(Topic Names, Cassandra keys)
            send.put("user_id", received.get("UserId"));
            send.put("operation", received.get("Operation"));
            send.put("workload", received.get("Workload"));
            keywords.add(send.toString());

        } catch (Exception e) {
            // TODO: handle exception
            System.err.println("Unable to convert to json");
            e.printStackTrace();
        }

        return keywords;
    }
}).to("o365_user_activity_by_date");

在代码中，我只是获取每条记录，对其进行一些流处理并将其发送到不同的主题。

现在，我要发送的每条记录 Event-time、Processing-time 和 Ingestion-time 都嵌入到负载中。

我看过 FailOnInvalidTimestamp 和 WallclockTimestampExtractor 但我对如何使用它们感到困惑。

请指导我如何实现这一目标。

Answer 1

Timestamp 提取器只能给你一个时间戳，这个时间戳用于 time-based 操作，如 windowed-aggregations 或连接。看来你没有做任何time-based计算思想，因此，从计算的角度来看，这无关紧要。

请注意，一条记录只有一个元数据时间戳字段。此时间戳字段可用于存储可由生产者设置的 event-timestamp。作为替代方案，您可以让代理使用代理摄取时间覆盖生产者提供的时间戳。这是主题配置。

要访问记录元数据时间戳（独立于 event-time 或 ingestion-time），默认时间戳提取器会为您提供此时间戳。如果你想在你的应用程序中访问它，你需要使用 Processor API，即，在你的情况下是 .transform() 而不是 .flatMap 运算符。您的 Transformer 将使用 context 对象进行初始化，该对象允许您访问提取的时间戳。

因为一条记录只能存储一个元数据时间戳，并且因为您想将其用于代理摄取时间，所以上游生产者必须将 event-timestamp 直接放入有效负载中。

对于 processing-time，只需按照您的代码片段中的指示进行系统调用。

如何提取 Kafka Streams 消息中嵌入的时间戳

How to extract timestamp embedded in messages in Kafka Streams

java

apache-kafka

apache-kafka-streams