我有一个典型的samza任务，它消耗了2个主题：data和config，并将来自config的消息作为本地状态存储在rocksdb中，以检查来自data的消息没事。
如果这两个主题中的每一个只有一个分区，则此任务可以正常工作。将data拆分为十个分区并且config仍然是一个分区后，事情发生了变化。默认情况下，samza创建十个任务来使用data主题的0~9分区，只有任务0使用config主题：
task[0] -> config, data[0]
task[1] -> data[1]
...
task[9] -> data[9]
似乎每个任务都使用自己的rocksdb实例初始化，因此只有task [0]将所有配置数据存储在其rocksdb实例中，task [1~9]没有配置数据，因此无法找到配置信息传入的数据。
我的期望是每个任务消耗来自其数据分区和配置流的消息，如下所示：
task[0] -> config, data[0]
task[1] -> config, data[1]
...
task[9] -> config, data[9]
有没有办法实现这个目标？
答案 0 :(得分：4)
输入流分区的分布由可插拔分组器控制，该分组器使用＆＃34; job.systemstreampartition.grouper.factor＆＃34;进行配置。默认情况下，此类将任务实例中的传入流分区分组。默认情况下，我相信它会执行GroupByPartitionId。这就是你在任务[0]中看到data [0]和config [0]的原因。
您可以实施自定义SSPGrouper。但是，你要找的是对待数据＆＃34; stream作为常规输入流和＆＃34; config＆＃34;流作为＆＃34; 广播＆＃34;输入流。广播意味着Samza作业中的每个任务都从此流的分区中读取。这样，每个任务实例都可以使用配置流填充其本地rocksdb＆＃39;数据。您可以将广播流配置为：
task.broadcast.inputs=<systemName>.<streamName>#[<partition-range>], <systemName>.<streamName>#[<partition-range>]
对于您的情况，您可以配置：
task.inputs = <systemName>.data
task.broadcast.inputs = <systemName>.config#0