Question

我在SQL Server中有一个表，我想要流式传输到Kafka主题，结构如下：

(UserID, ReportID)

此表将不断更改（记录已添加，已插入，无更新）

我想将其转换为这种结构并放入Elasticsearch：

{
  "UserID": 1,
  "Reports": [1, 2, 3, 4, 5, 6]
}

我到目前为止看到的示例是日志或点击流，但在我的情况下不起作用。

这种用例是否可行？我总是可以只查看UserID更改和查询数据库，但这看起来很幼稚，而不是最好的方法。

更新

import org.apache.kafka.common.serialization.Deserializer;
import org.apache.kafka.common.serialization.Serde;
import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.common.serialization.Serializer;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.kstream.*;

import java.util.ArrayList;
import java.util.Properties;

public class MyDemo {
  public static void main(String... args) {
    System.out.println("Hello KTable!");

    final Serde<Long> longSerde = Serdes.Long();

    KStreamBuilder builder = new KStreamBuilder();

    KStream<Long, Long> reportPermission = builder.stream(TOPIC);

    KTable<Long, ArrayList<Long>> result = reportPermission
        .groupByKey()
        .aggregate(
            new Initializer<ArrayList<Long>>() {
              @Override
              public ArrayList<Long> apply() {
                return null;
              }
            },
            new Aggregator<Long, Long, ArrayList<Long>>() {
              @Override
              public ArrayList<Long> apply(Long key, Long value, ArrayList<Long> aggregate) {
                aggregate.add(value);
                return aggregate;
              }
            },
            new Serde<ArrayList<Long>>() {
              @Override
              public void configure(Map<String, ?> configs, boolean isKey) {}

              @Override
              public void close() {}

              @Override
              public Serializer<ArrayList<Long>> serializer() {
                return null;
              }

              @Override
              public Deserializer<ArrayList<Long>> deserializer() {
                return null;
              }
            });

    result.to("report-aggregated-topic");

    KafkaStreams streams = new KafkaStreams(builder, createStreamProperties());
    streams.cleanUp();
    streams.start();

    Runtime.getRuntime().addShutdownHook(new Thread(streams::close));
  }

  private static final String TOPIC = "report-permission";

  private static final Properties createStreamProperties() {
    Properties props = new Properties();

    props.put(StreamsConfig.APPLICATION_ID_CONFIG, "report-permission-app");
    props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "broker:9092");

    return props;
  }
}

我实际上陷入了聚合阶段，因为我无法为ArrayList<Long>编写一个合适的SerDe（还没有足够的技能），lambdas似乎不适用于聚合器 - 它不知道{的类型是什么{1}}：

agg

Answer 1

您可以使用Kafka的Connect API将数据从SQL Server获取到Kafka。我不知道SQL Server的任何特定连接器，但您可以使用任何基于通用JDBC的连接器：https://www.confluent.io/product/connectors/

要处理数据，您可以使用Kafka的Streams API。您可以简单aggregate()为每个用户报告所有内容。像这样：

KTable<UserId, List<Reports>> result =
    builder.stream("topic-name")
           .groupByKey()
           // init a new empty list and
           // `add` the items to the list in the actual aggregation
           .aggregate(...);

result.to("result-topic");

查看文档以获取有关Streams API的更多详细信息：https://docs.confluent.io/current/streams/index.html

请注意，您需要确保报告列表不会无限增长。 Kafka具有一些（可配置的）最大消息大小，整个列表将包含在单个消息中。因此，您应该在投入生产之前估计最大邮件大小并应用相应的配置（ - ＆gt; max.message.bytes）。在网页上查看配置：http://kafka.apache.org/documentation/#brokerconfigs

最后，您使用Connect API将数据推送到Elastic Search。有多种不同的连接器可供选择（我当然会推荐使用Confluent）。有关Connect API的更多详细信息：https://docs.confluent.io/current/connect/userguide.html

Answer 2

直接在SQL和Kafka Streams中不允许这种方法，但是用例是可能的，可以按如下方式实现：

1）使用SOLRJ API在SQL Server上编写自定义应用程序，只要在SQL中执行DML（插入，更新，删除等）操作，它就会触发Solr实例。 https://wiki.apache.org/solr/Solrj

2）使用Solr SQL数据导入处理程序SQL Server将在SQL中发生DML（插入，更新，删除等）操作时自动通知solr。 https://wiki.apache.org/solr/DataImportHandler

Kafka Streams表转换

更新

2 个答案: