KSQL 查询在简单聚合中返回意外值

Question

我从针对本身由 Kafka 主题定义的 KTable 的 KSQL 查询中得到意外结果。 KTABLE 是 "Trades"，它由压缩主题 "localhost.dbo.TradeHistory" 支持。它应该包含由 TradeId 键入的股票交易的最新信息。该主题的键是 TradeId。每笔交易都有一个 AccountId，我正在尝试构建一个查询以获取按账户分组的交易金额的总和。

交易KTABLE的定义

ksql> create table Trades(TradeId int, AccountId int, Spn int, Amount double) with (KAFKA_TOPIC = 'localhost.dbo.TradeHistory', VALUE_FORMAT = 'JSON', KEY = 'TradeId');

...

ksql> describe extended Trades;

Name                 : TRADES
Type                 : TABLE
Key field            : TRADEID
Key format           : STRING
Timestamp field      : Not set - using <ROWTIME>
Value format         : JSON
Kafka topic          : localhost.dbo.TradeHistory (partitions: 1, replication: 1)

Field     | Type
---------------------------------------
ROWTIME   | BIGINT           (system)
ROWKEY    | VARCHAR(STRING)  (system)
TRADEID   | INTEGER
ACCOUNTID | INTEGER
SPN       | INTEGER
AMOUNT    | DOUBLE
---------------------------------------

Local runtime statistics
------------------------
consumer-messages-per-sec:         0 consumer-total-bytes:      3709 consumer-total-messages:        39     last-message: 2019-10-12T20:52:16.552Z

(Statistics of the local KSQL server interaction with the Kafka topic localhost.dbo.TradeHistory)

localhost.dbo.TradeHistory 主题的配置

/usr/bin/kafka-topics --zookeeper zookeeper:2181 --describe --topic localhost.dbo.TradeHistory
Topic:localhost.dbo.TradeHistory    PartitionCount:1    ReplicationFactor:1 Configs:min.cleanable.dirty.ratio=0.01,delete.retention.ms=100,cleanup.policy=compact,segment.ms=100
    Topic: localhost.dbo.TradeHistory   Partition: 0    Leader: 1   Replicas: 1 Isr: 1

在我的测试中，我使用 TradeId 2 将消息添加到 localhost.dbo.TradeHistory 主题，这只会改变交易量。仅更新金额； AccountId 保持为 1.

localhost.dbo.TradeHistory 主题中的消息

/usr/bin/kafka-console-consumer --bootstrap-server broker:9092 --property print.key=true --topic localhost.dbo.TradeHistory --from-beginning

... (earlier values redacted) ...

2   {"TradeHistoryId":47,"TradeId":2,"AccountId":1,"Spn":1,"Amount":106.0,"__table":"TradeHistory"}
2   {"TradeHistoryId":48,"TradeId":2,"AccountId":1,"Spn":1,"Amount":107.0,"__table":"TradeHistory"}

上面的主题转储显示交易量 2（在帐户 1 中）从 106.0 变为 107.0。

KSQL 查询

ksql> select AccountId, count(*) as Count, sum(Amount) as Total from Trades group by AccountId;
1 | 1 | 106.0
1 | 0 | 0.0
1 | 1 | 107.0

问题是，为什么每次我发布交易更新时，上面显示的 KSQL 查询 return 一个 "intermediate" 值。如您所见，Count 和 Amount 字段显示 0,0，然后 KSQL 立即查询 "corrects" 到 1,107.0。我对这种行为有点困惑。

谁能解释一下？

非常感谢。

Answer 1

感谢您的提问。我已经在我们的知识库中添加了一个答案：https://github.com/confluentinc/ksql/pull/3594/files.

当 KSQL 发现 table 中现有行的更新时，它会在内部发出一个 CDC 事件，其中包含旧值和新值。聚合通过在应用新值之前首先撤消旧值来处理此问题。

因此，在上面的示例中，当发生第二次插入时，KSQL 首先撤消旧值。这导致 COUNT 下降 1，SUM 下降 106.0 的旧值，即下降到零。然后 KSQL 应用新的行值，它看到 COUNT 上升 1，SUM 上升新值 107.0.

默认情况下，KSQL 配置为在将结果刷新到 Kafka 之前缓冲最多 2 秒或 10MB 数据的结果。这就是为什么在此示例中插入值时您可能会看到输出略有延迟。如果两个输出行一起缓冲，那么 KSQL 将抑制第一个结果。这就是为什么您经常看不到正在输出的中间行。配置 commit.interval.ms 和 cache.max.bytes.buffering，分别设置为 2 秒和 10MB，可用于调整此行为。将这些设置中的任何一个设置为零都会导致 KSQL 始终输出所有中间结果。

如果您每次都看到这些中间结果输出，那么很可能您已将这些设置中的一个或两个设置为零。

我们有一个 Github issue 来增强 KSQL 以利用 Kafka Stream 的抑制功能，这将允许用户更好地控制结果的具体化方式。

KSQL 查询在简单聚合中返回意外值

KSQL Query returning unexpected values in simple aggregation

apache-kafka

apache-kafka-streams

ksqldb

交易KTABLE的定义

localhost.dbo.TradeHistory 主题的配置

localhost.dbo.TradeHistory 主题中的消息

KSQL 查询