这个特定的 Kafka Streams 拓扑是否引入了竞争条件？
Does this particular Kafka Streams topology introduce a race condition?
涉及两个主题：commands 那是一个 KStream 的 - 你不会相信！ - 命令，和 state，即 KTABLE（只是普通的，不是 GlobalKTable）。
拓扑看起来像这样：
commands.leftJoin(state, computeNewState).to(state)
即命令作用于当前状态并针对同一主题产生新状态。就功能性编程而言，它有点 command X state -> state；其中 final state 产生到与初始状态相同的地方。
在我看来，经典的竞争条件隐藏在那里；因为两个（几乎）同时执行的命令可能会产生以下不幸的序列：
command_1 到达并消耗 state_1;- 重新计算后，
state_2是通过应用command_1产生的；
state_2 反应 to 节点并有效地将 IO 异步到 Kafka 发生...- ...但还不够快，无法应用；同时
command_2 带有相同的密钥，因此 leftJoin 作用于 state_1 而不是 state_2 只是因为 state_2 尚未交付给 Kafka 并且尚未看到通过 Kafka Streams 实例；
- QED.
我说得对吗？
您描述的是正确的。
也许您可以只使用单个输入主题并使用聚合来修改状态？对于这种情况，状态更新将是同步的。
如果那不可能，我建议退回到处理器 API。您将状态主题读入手动添加的状态存储中。您还将状态存储连接到处理评论主题的处理器——这样，进程可以在直接处理命令时读取 和修改 状态——将任何内容写回状态需要输入主题。
涉及两个主题：commands 那是一个 KStream 的 - 你不会相信！ - 命令，和 state，即 KTABLE（只是普通的，不是 GlobalKTable）。
拓扑看起来像这样：
commands.leftJoin(state, computeNewState).to(state)
即命令作用于当前状态并针对同一主题产生新状态。就功能性编程而言，它有点 command X state -> state；其中 final state 产生到与初始状态相同的地方。
在我看来，经典的竞争条件隐藏在那里；因为两个（几乎）同时执行的命令可能会产生以下不幸的序列：
command_1到达并消耗state_1;- 重新计算后，
state_2是通过应用command_1产生的； state_2反应to节点并有效地将 IO 异步到 Kafka 发生...- ...但还不够快，无法应用；同时
command_2带有相同的密钥，因此leftJoin作用于state_1而不是state_2只是因为state_2尚未交付给 Kafka 并且尚未看到通过 Kafka Streams 实例； - QED.
我说得对吗？
您描述的是正确的。
也许您可以只使用单个输入主题并使用聚合来修改状态？对于这种情况，状态更新将是同步的。
如果那不可能，我建议退回到处理器 API。您将状态主题读入手动添加的状态存储中。您还将状态存储连接到处理评论主题的处理器——这样，进程可以在直接处理命令时读取 和修改 状态——将任何内容写回状态需要输入主题。