Question

我正在尝试构建一个从AWS Kinesis读取数据的简单应用程序。我已经设法使用单个分片读取数据，但我想从4个不同的分片中获取数据。

问题是，我有一个while循环，只要分片处于活动状态就会迭代，这会阻止我从不同的分片中读取数据。到目前为止，我无法找到替代算法，也无法实现基于KCL的解决方案。非常感谢提前

public static void DoSomething() {
        AmazonKinesisClient client = new AmazonKinesisClient();
        //noinspection deprecation
        client.setEndpoint(endpoint, serviceName, regionId);  
        /** get shards from the stream using describe stream method*/

        DescribeStreamRequest describeStreamRequest = new DescribeStreamRequest();
        describeStreamRequest.setStreamName(streamName);
        List<Shard> shards = new ArrayList<>();
        String exclusiveStartShardId = null;
        do {
            describeStreamRequest.setExclusiveStartShardId(exclusiveStartShardId);
            DescribeStreamResult describeStreamResult = client.describeStream(describeStreamRequest);
            shards.addAll(describeStreamResult.getStreamDescription().getShards());
            if (describeStreamResult.getStreamDescription().getHasMoreShards() && shards.size() > 0) {
                exclusiveStartShardId = shards.get(shards.size() - 1).getShardId();
            } else {
                exclusiveStartShardId = null;
            }
        }while (exclusiveStartShardId != null);

        /** shards obtained */
        String shardIterator;

        GetShardIteratorRequest getShardIteratorRequest = new GetShardIteratorRequest();
        getShardIteratorRequest.setStreamName(streamName);
        getShardIteratorRequest.setShardId(shards.get(0).getShardId());
        getShardIteratorRequest.setShardIteratorType("LATEST"); 

        GetShardIteratorResult getShardIteratorResult = client.getShardIterator(getShardIteratorRequest);
        shardIterator = getShardIteratorResult.getShardIterator();
        GetRecordsRequest getRecordsRequest = new GetRecordsRequest();

        while (!shardIterator.equals(null)) {
            getRecordsRequest.setShardIterator(shardIterator);
            getRecordsRequest.setLimit(250);
            GetRecordsResult getRecordsResult = client.getRecords(getRecordsRequest);
            List<Record> records = getRecordsResult.getRecords();

            shardIterator = getRecordsResult.getNextShardIterator();
            if(records.size()!=0) {
                for(Record r : records) {
                    System.out.println(r.getPartitionKey());
                }
            }
            try {
                Thread.sleep(1000);
            } catch (InterruptedException e) {

            }
        }
    }

Answer 1

建议您不要从多个分片中读取单个进程/工作程序。首先，正如您所看到的那样，它会增加代码的复杂性，但更重要的是，您将难以扩展。

可扩展性的“秘密”是拥有小型独立工人或其他此类单位。您可以在AWS中的Hadoop，DynamoDB或Kinesis中看到此类设计。它允许您构建小型系统（微服务），可以根据需要轻松扩展和缩小。随着服务变得更加成功或其使用的其他波动，您可以轻松添加更多工作/数据单元。

正如您在这些AWS服务中所看到的，您有时可以在DynamoDB中自动获得此可伸缩性，有时您需要为您的kinesis流添加分片。但是对于您的应用程序，您需要以某种方式控制您的可伸缩性。

对于Kinesis，您可以使用AWS Lambda或Kinesis Client Library（KCL）进行扩展和缩小。他们俩都在监听您的流的状态（分片和事件的数量），并使用它来添加或删除工作人员并提供事件供他们处理。在这两种解决方案中，您应该构建一个针对单个分片的工作者。

如果需要对齐多个分片中的事件，可以使用某些状态服务（如Redis或DynamoDB）来实现。

Answer 2

对于更简单、更简洁的解决方案，您只需担心提供自己的消息处理代码，我建议使用 KCL 库。

引用自 documentation

<块引用>

KCL 充当记录处理逻辑之间的中介和 Kinesis 数据流。 KCL 执行以下任务：

连接到数据流
枚举数据流中的分片
使用租约来协调分片与其工作人员的关联
为它管理的每个分片实例化一个记录处理器
从数据流中提取数据记录
将记录推送到相应的记录处理器
检查点处理记录
在工作器实例计数发生变化或数据流重新分片（分片被拆分或合并）时平衡分片-工作器关联（租用）

kinesis从多个分片中获取数据

2 个答案: