我们有以下问题需要用 Kafka Streams 解决:
1-收到一条消息。每条消息都标有 eventId(消息更新事件)和correlationId(每条消息唯一)。
2- 从该消息中聚合一些状态(基于 eventId)并将其附加到本地存储中的现有状态
3- 为该事件的完整聚合状态丰富该消息并将其发送到输出主题
重点是我们不能真正丢失单个消息,并且它必须始终使用最新的聚合状态(我们在消息处理期间实际评估)来丰富传入的消息。
从我目前看到的情况来看,我们不能只使用简单的聚合(类似这样:)
stateMessageStream
.map((k, v) => new KeyValue[String, StateMessage](k, v))
.mapValues[StateMessageWithMarkets](sm => {StateMessageWithMarkets(Some(sm), extract(sm))})
.groupBy((k, _) => k, stringSerde, marketAggregatorSerde)
.aggregate[StateMessageWithMarkets](() => StateMessageWithMarkets(), (_, v, aggregatedState) => aggregatedState.updateModelMarketsWith(v), marketAggregatorSerde, kafkaStoreName)
.to(stringSerde, marketAggregatorSerde, kafkaOutTopic)
因为聚合仅在间隔中产生新记录,这意味着对于两条传入消息,我们可能只生成单个聚合输出消息(因此我们丢失了一条消息)
我第二次尝试如何实现这一点基本上是两个流,一个用于聚合,第二个用于普通消息。最后,我们可以使用 join 操作将两个流重新连接在一起,基于correlationId 作为键 - 我们可以将正确的状态与正确的消息匹配:
val aggregatedStream : KStream[String, MarketAggregator] = stateMessageStream
.map((k, v) => new KeyValue[String, StateMessage](k, v))
.mapValues[StateMessage](v => {
log.debug("Received State Message, gameId: " + v.metadata().gtpId() + ", correlationId: " + v.correlationId)
v})
.mapValues[MarketAggregator](sm => {MarketAggregator(sm.correlationId, extract(sm))})
.groupBy((k, v) => k, stringSerde, marketAggregatorSerde)
.aggregate[MarketAggregator](() => MarketAggregator(), (_, v, aggregatedState) => aggregatedState.updateModelMarketsWith(v), marketAggregatorSerde, kafkaStoreName)
.toStream((k, v) => v.correlationId)
stateMessageStream
.selectKey[String]((k, v) => v.correlationId)
.leftJoin[MarketAggregator, StateMessageWithMarkets](aggregatedStream, (stateMessage : StateMessage, aggregatedState : MarketAggregator) => StateMessageWithMarkets(Some(stateMessage), aggregatedState.modelMarkets, stateMessage.correlationId),
JoinWindows.of(10000),
stringSerde, stateMessageSerde, marketAggregatorSerde)
.mapValues[StateMessageWithMarkets](v => {
log.debug("Producing aggregated State Message, gameId: " + v.stateMessage.map(_.metadata().gtpId()).getOrElse("unknown") +
", correlationId: " + v.stateMessage.map(_.correlationId).getOrElse("unknown"))
v
})
.to(stringSerde, stateMessageWithMarketsSerde, kafkaOutTopic)
但是,这似乎也不起作用 - 对于两条传入消息,我仍然只收到具有输出主题最新聚合状态的单个消息。
有人可以解释为什么以及正确的解决方案是什么吗?
最佳答案
您可以使用方法一并通过禁用缓存来获取每个输入消息的输出消息。在您的 StreamsConfig
您只需设置 StreamConfig#CACHE_MAX_BYTES_BUFFERING_CONFIG
的值到零。
更多详情请见http://docs.confluent.io/current/streams/developer-guide.html#memory-management
关于apache-kafka-streams - Kafka 流 DSL : aggregate, 丰富并发送,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42166308/