项目：
我正在处理的应用程序每天处理数百万个财务交易（订单和贸易）数据。
数据被输入到kafka主题中。
kafka流微服务汇总信息（例如每只股票的nr交易），并且该数据被其他软件使用。此外，数据还保存在mongodb中。
问题：
发送到主题的数据有时需要修改，例如由于错误或配置错误而导致的价格变化。
由于kafka仅允许追加，因此我在mongodb中进行了更正，然后，将更正后的数据通过管道传递到新的kafka主题中，从而导致对下游聚合的完整重新计算。
但是，随着时间的推移，越来越多的数据需要重播，此过程会引起可扩展性问题。
问题
我正在考虑将大型kafka主题分解为日常主题，以便在大多数数据修复情况下仅需要重播一天的主题。
我的问题是，这是否是解决此问题的合理方法，还是有更好的解决方案。
答案 0 :(得分：1)
数据修复或一般的错误处理，Kafka在很大程度上取决于用例。在本例中，我们基于CQRS +事件源原则（通用描述here）构建系统，因此，为了进行数据修复，我们使用了“补偿事件”（即，对另一个事件的影响进行修正的事件）最终系统将是一致的。