如何提取嵌入在Kafka Streams中的消息中的时间戳

Question

我想提取每个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。

我想获得以下三个时间戳。

活动时间： 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另一个主题。

现在，我想发送每条记录Event-time，Processing-time并将其Ingestion-time嵌入有效负载中。

我已经看过了FailOnInvalidTimestamp，WallclockTimestampExtractor但是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

该Timestamp提取只能给你一个时间戳-这timestamp用于基于时间的操作，如窗，聚合或连接。似乎您没有进行任何基于时间的计算思想，因此，从计算角度来看，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事件时间戳。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。这是一个主题配置。

要访问记录元数据时间戳（与事件时间或摄取时间无关），默认的时间戳提取器带有此时间戳。如果要在应用程序中访问它，则需要使用Processor API，即在您的情况下使用a .transform()而不是.flatMap运算符。您Transformer将使用context允许您访问提取的时间戳记的对象来初始化。

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

对于处理时间，只需按照代码片段中的指示进行系统调用即可。