聚集在Kafka Streams中的多个分区上

Question

这部分是对Apache Kafka Streams中特定分区上的聚合的后续操作

假设我有一个名为“事件”的主题，它带有3个分区，在该分区上发送字符串->整数数据，如下所示：

（Bob，3）在分区1上

（Sally，4）在分区2上

（Bob，2）在分区3上

...

我想在所有分区上聚合值（在此示例中，只是一个简单的总和），最终得到一个KTable类似于以下内容的：

（莎莉，4）

（鲍勃，5岁）

正如我在上面链接的问题的答案中所提到的，不可能直接进行这种跨分区聚合。但是，答复者提到，如果消息具有相同的密钥，则是可能的（在这种情况下，这是正确的）。如何做到这一点？

我还希望能够从在Kafka Streams应用程序的每个实例之间复制的“全局”状态存储中查询这些聚合值。

我的第一个想法是使用GlobalKTable（根据此页面，我相信这应该是我所需要的）。但是，此状态存储的changelog主题具有与原始“事件”主题相同的分区数量，并且仅基于每个分区而不是跨所有分区进行聚合。

这是我的应用程序的精简版-不确定从何处去：

final Properties streamsConfig = new Properties();
streamsConfig.put(StreamsConfig.APPLICATION_ID_CONFIG, "metrics-aggregator");
streamsConfig.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
streamsConfig.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass().getName());
streamsConfig.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, CustomDoubleSerde.class.getName());
streamsConfig.put(StreamsConfig.producerPrefix(ProducerConfig.LINGER_MS_CONFIG), 0);
streamsConfig.put(StreamsConfig.NUM_STREAM_THREADS_CONFIG, 1);

final StreamsBuilder builder = new StreamsBuilder();

KStream<String, Double> eventStream = builder.stream(INCOMING_EVENTS_TOPIC);
KTable<String, Double> aggregatedMetrics = eventStream
        .groupByKey()
        .aggregate(() -> 0d, (key, value, aggregate) -> value + aggregate);

aggregatedMetrics.toStream().print(Printed.<String, Double>toSysOut());
aggregatedMetrics.toStream().to(METRIC_CHANGES_TOPIC);

final KafkaStreams streams = new KafkaStreams(builder.build(), streamsConfig);
streams.cleanUp();
streams.start();

builder.globalTable(METRIC_CHANGES_TOPIC, Materialized.<String, Double, KeyValueStore<Bytes, byte[]>>as(METRICS_STORE_NAME));

Runtime.getRuntime().addShutdownHook(new Thread(() -> {
    streams.close();
}));

Answer 1

Kafka Streams假定输入主题按键分区。此假设不适用于您的情况。因此，您需要将此事告诉Kafka Streams。

在您的特定情况下，您将替换groupByKey为groupBy()

KTable<String, Double> aggregatedMetrics = eventStream
    .groupBy((k,v) -> k)
    .aggregate(() -> 0d, (key, value, aggregate) -> value + aggregate);

lambda是一个不会修改密钥的虚拟对象，但是，这向Kafka Streams暗示了在进行聚合之前基于密钥对数据进行重新分区。

关于GlobalKTable：这是一种特殊的表，它不是聚合的结果，而是仅从changelog主题填充的表。看来您的代码已经在做正确的事情：将聚合结果写入主题，然后以阅读该主题GlobalKTable。