amazon-web-services - 有没有人在使用 AWS kinesis 流、lambda 和 firehose 时遇到过数据丢失的情况？

Question

我目前正在向 aws kinesis 流发送一系列 xml 消息，我一直在不同的项目中使用它，所以我非常有信心这部分有效。然后我编写了一个 lambda 来处理从 kinesis 流到 kinesis firehose 的事件:

import os
import boto3
import base64

firehose = boto3.client('firehose')


def lambda_handler(event, context):
    deliveryStreamName = os.environ['FIREHOSE_STREAM_NAME']

    # Send record directly to firehose
    for record in event['Records']:
        data = record['kinesis']['data']

        response = firehose.put_record(
            DeliveryStreamName=deliveryStreamName,
            Record={'Data': data}
        )
        print(response)

我已将 kinesis 流设置为 lamdba 触发器，并将批处理大小设置为 1，起始位置为 LATEST。

对于 kinesis firehose，我有以下配置:

Data transformation*: Disabled
Source record backup*: Disabled
S3 buffer size (MB)*: 10
S3 buffer interval (sec)*: 60
S3 Compression: UNCOMPRESSED
S3 Encryption: No Encryption
Status: ACTIVE
Error logging: Enabled

我发送了 162 个事件，并从 s3 中读取它们，我设法获得的最多 160 个事件，通常更少。我什至试图等待几个小时，以防在重试时发生奇怪的事情。

任何人都有使用 kinesis-> lamdba -> firehose 的经验，并看到数据丢失的问题？

Answer 1

从我在这里看到的情况来看，当您将数据发布到 Kinesis Stream(而不是 FireHose)时，很可能会丢失项目。

由于您使用的是 put_record 写入 FireHose 时，它​​将抛出异常，在这种情况下将重试 lambda。 (检查该级别是否存在故障是有意义的)。

因此，考虑到我可能会假设记录在到达 Kinesis 流之前丢失了。
如果您使用 put_records 将项目发送到 Kinesis 流方法，这并不能保证所有记录都将发送到流中(由于超出写入吞吐量或内部错误)，某些记录可能无法发送。在这种情况下，失败的记录子集应该由您的代码重新发送(这是 Java example，抱歉我找不到 Python 的)。