Question

使用KTable时，当实例/使用者数量等于分区数量时，Kafka流不允许实例从特定主题的多个分区读取。我尝试使用GlobalKTable来实现这一点，但问题是数据将被覆盖，也无法对其应用聚合。

让我们假设有一个名为“ data_in”的主题，具有3个分区（P1，P2，P3）。当我运行Kafka流应用程序的3个实例（I1，I2，I3）时，我希望每个实例都从“ data_in”的所有分区中读取数据。我的意思是说I1可以从P1，P2和P3中读取，I2可以从P1，P2和P3，I2中读取以及不断地读取。

编辑：请记住，生产者可以将两个相似的ID发布到“ data_in”中的两个不同分区中。因此，当运行两个不同的实例时，GlobalKtable将被覆盖。

请，如何实现呢？这是我代码的一部分

private KTable<String, theDataList> globalStream() {

    // KStream of records from data-in topic using String and theDataSerde deserializers
    KStream<String, Data> trashStream = getBuilder().stream("data_in",Consumed.with(Serdes.String(), SerDes.theDataSerde));

    // Apply an aggregation operation on the original KStream records using an intermediate representation of a KStream (KGroupedStream)
    KGroupedStream<String, Data> KGS = trashStream.groupByKey();

    Materialized<String, theDataList, KeyValueStore<Bytes, byte[]>> materialized = Materialized.as("agg-stream-store");
    materialized = materialized.withValueSerde(SerDes.theDataDataListSerde);

    // Return a KTable
    return KGS.aggregate(() -> new theDataList(), (key, value, aggregate) -> {
        if (!value.getValideData())
            aggregate.getList().removeIf((t) -> t.getTimestamp() <= value.getTimestamp());
        else
            aggregate.getList().add(value);
        return aggregate;
    }, materialized);
}

Answer 1

将输入主题“ data_in”的分区数更改为1个分区，或者使用GlobalKtable从主题中所有分区获取数据，然后可以将其与流一起加入。这样一来，您的应用实例便不再需要位于不同的使用者组中。

代码如下：

private GlobalKTable<String, theDataList> globalStream() {

   // KStream of records from data-in topic using String and theDataSerde deserializers
  KStream<String, Data> trashStream = getBuilder().stream("data_in", Consumed.with(Serdes.String(), SerDes.theDataSerde));

  thrashStream.to("new_data_in"); // by sending to an other topic you're forcing a repartition on that topic

  KStream<String, Data> newTrashStream = getBuilder().stream("new_data_in", Consumed.with(Serdes.String(), SerDes.theDataSerde));

  // Apply an aggregation operation on the original KStream records using an intermediate representation of a KStream (KGroupedStream)
  KGroupedStream<String, Data> KGS = newTrashStream.groupByKey();

  Materialized<String, theDataList, KeyValueStore<Bytes, byte[]>> materialized = Materialized.as("agg-stream-store");
  materialized = materialized.withValueSerde(SerDes.theDataDataListSerde);

// Return a KTable
  KGS.aggregate(() -> new theDataList(), (key, value, aggregate) -> {
      if (!value.getValideData())
          aggregate.getList().removeIf((t) -> t.getTimestamp() <= value.getTimestamp());
      else
        aggregate.getList().add(value);
      return aggregate;
  }, materialized)
  .to("agg_data_in");

  return getBuilder().globalTable("agg_data_in");
}

编辑：我编辑了上面的代码，以强制对名为“ new_data_in”的主题进行重新分区。

Kafka流：从应用程序的每个实例的所有分区中读取

1 个答案: