Question

我有无限的事件流：

(timestamp, session_uid, traffic)

即

...
(1448089943, session-1, 10)
(1448089944, session-1, 20)
(1448089945, session-2, 50)
(1448089946, session-1, 30)
(1448089947, session-2, 10)
(1448089948, session-3, 10)
...

我希望通过session_uid对这些事件进行分组，并计算每个会话的流量总和。

我编写了一个akka-streams流程，可以使用有限流使用groupBy（我的代码基于来自cookbook的this示例）。但是对于无限流，它将不起作用，因为groupBy函数应该处理所有传入流，并且只有在此之后才准备返回结果。

我想我应该用超时实现分组，即如果我从最后一次超过5分钟没有收到指定stream_uid的事件，我应该返回此session_uid的分组事件。但是如何实现它只使用akka-streams？

Answer 1

我想出了一个gnarly解决方案，但我认为它完成了工作。

基本思想是使用Source的keepAlive方法作为触发完成的计时器。

但要做到这一点，我们首先要抽象一些数据。计时器需要从原始Source发送触发器或另一个元组值，因此：

sealed trait Data

object TimerTrigger extends Data
case class Value(tstamp : Long, session_uid : String, traffic : Int) extends Data

然后将我们的元组源转换为值的来源。我们仍然会使用groupBy进行类似于有限流情况的分组：

val originalSource : Source[(Long, String, Int), Unit] = ???

type IDGroup = (String, Source[Value, Unit]) //uid -> Source of Values for uid

val groupedDataSource : Source[IDGroup, Unit] = 
  originalSource.map(t => Value(t._1, t._2, t._3))
                .groupBy(_.session_uid)

棘手的部分是处理只是元组的分组：(String, Source[Value,Unit])。我们需要计时器通知我们时间是否已经过去所以我们需要另一个抽象来知道我们是否仍在计算或者由于超时我们已完成计算：

sealed trait Sum {
  val sum : Int
}
case class StillComputing(val sum : Int) extends Sum
case class ComputedSum(val sum : Int) extends Sum

val zeroSum : Sum = StillComputing(0)

现在我们可以消耗每个组的来源。如果值来源在keepAlive之后没有产生某些内容，TimerTrigger将发送timeOut。然后，keepAlive中的Data与TimerTrigger或原始Source中的新值进行模式匹配：

val evaluateSum : ((Sum , Data)) => Sum = {
  case (runningSum, data) => { 
    data match {
      case TimerTrigger => ComputedSum(runningSum.sum)
      case v : Value    => StillComputing(runningSum.sum + v.traffic)
    }
  }
}//end val evaluateSum

type SumResult = (String, Future[Int]) // uid -> Future of traffic sum for uid

def handleGroup(timeOut : FiniteDuration)(idGroup : IDGroup) : SumResult = 
  idGroup._1 -> idGroup._2.keepAlive(timeOut, () => TimerTrigger)
                          .scan(zeroSum)(evaluateSum)
                          .collect {case c : ComputedSum => c.sum}
                          .runWith(Sink.head)

该集合应用于仅与完成的总和匹配的部分函数，因此只有在计时器触发后才会到达Sink。

然后我们将此处理程序应用于出现的每个分组：

val timeOut = FiniteDuration(5, MINUTES)

val sumSource : Source[SumResult, Unit] = 
  groupedDataSource map handleGroup(timeOut)

我们现在拥有(String,Future[Int])的来源，即session_uid和该ID的流量总和的未来。

像我说的那样，复杂但符合要求。此外，我不完全确定如果已经分组并且已经超时的uid会发生什么，但随后会出现具有相同uid的新值。

Answer 2

这似乎是Source.groupedWithin的用例：

def groupedWithin(n: Int, d: FiniteDuration): Source[List[Out], Mat]

“将此流加入时间窗口内收到的元素组，或受限于给定数量的元素，无论先发生什么。”

Here's the link to the docs

Answer 3

也许你可以通过演员

简单地实现它

case class SessionCount(name: String)

class Hello private() extends Actor {
  var sessionMap = Map[String, Int]()

  override def receive: Receive = {
    case (_, session: String, _) =>
      sessionMap = sessionMap + (session -> (sessionMap.getOrElse(session, 0) + 1))

    case SessionCount(name: String) => sender() ! sessionMap.get(name).getOrElse(0)
  }
}


object Hello {
  private val actor = ActorSystem.apply().actorOf(Props(new Hello))
  private implicit val timeOver = Timeout(10, TimeUnit.SECONDS)
  type Value = (String, String, String)

  def add(value: Value) = actor ! value

  def count(name:String) = (actor ? SessionCount(name )).mapTo[Int]
}

如何将来自无限流的传入事件分组？

3 个答案: