我一直在使用kafka connect和S3接收器来解决问题。
首先是结构:
{
Partition: number
Offset: number
Key: string
Message: json string
Timestamp: timestamp
}
通常在发布到Kafka时,时间戳应由生产者设置。不幸的是,似乎有些情况没有发生。这意味着时间戳有时可能是null
要提取此时间戳记,请将连接器设置为以下值:
"timestamp.extractor":"Record"
。
现在总是可以确定Message
字段本身也总是包含一个时间戳。
Message
:
{
timestamp: "2019-04-02T06:27:02.667Z"
metadata: {
creationTimestamp: "1554186422667"
}
}
但是问题是,现在,我想将该字段用于timestamp.extractor
我当时以为这样就足够了,但这似乎行不通:
"timestamp.extractor":"RecordField",
"timestamp.field":"message.timestamp",
这也会导致NullPointer。
关于如何使用kafka消息有效负载本身中的时间戳的任何想法,而不是为kafka v0.10 +设置的默认时间戳字段的任何想法
编辑: 完整配置:
{ "name": "<name>",
"config": {
"connector.class":"io.confluent.connect.s3.S3SinkConnector",
"tasks.max":"4",
"topics":"<topic>",
"flush.size":"100",
"s3.bucket.name":"<bucket name>",
"s3.region": "<region>",
"s3.part.size":"<partition size>",
"rotate.schedule.interval.ms":"86400000",
"key.converter": "org.apache.kafka.connect.storage.StringConverter",
"value.converter": "org.apache.kafka.connect.json.JsonConverter",
"key.converter.schemas.enable": "false",
"value.converter.schemas.enable": "false",
"storage.class":"io.confluent.connect.s3.storage.S3Storage",
"format.class":"io.confluent.connect.s3.format.json.JsonFormat",
"locale":"ENGLISH",
"timezone":"UTC",
"schema.generator.class":"io.confluent.connect.storage.hive.schema.TimeBasedSchemaGenerator",
"partitioner.class":"io.confluent.connect.storage.partitioner.TimeBasedPartitioner",
"partition.duration.ms": "3600000",
"path.format": "'year'=YYYY/'month'=MM/'day'=dd",
"timestamp.extractor":"RecordField",
"timestamp.field":"message.timestamp",
"max.poll.interval.ms": "600000",
"request.timeout.ms": "610000",
"heartbeat.interval.ms": "6000",
"session.timeout.ms": "20000",
"s3.acl.canned":"bucket-owner-full-control"
}
}
编辑2: Kafka消息有效负载结构:
{
"reference": "",
"clientId": "",
"gid": "",
"timestamp": "2019-03-19T15:27:55.526Z",
}
编辑3:
{
"transforms": "convert_op_creationDateTime",
"transforms.convert_op_creationDateTime.type": "org.apache.kafka.connect.transforms.TimestampConverter$Value",
"transforms.convert_op_creationDateTime.target.type": "Timestamp",
"transforms.convert_op_creationDateTime.field": "timestamp",
"transforms.convert_op_creationDateTime.format": "yyyy-MM-dd'T'HH:mm:ss.SSSXXX"
}
所以我尝试对对象进行转换,但是似乎我再次被卡在了这件事上。该模式似乎无效。环顾互联网似乎确实是一个有效的SimpleDatePattern。似乎在抱怨'T'
。还更新了消息架构。
答案 0 :(得分:0)
基于共享的架构,您应该进行设置:
"timestamp.extractor":"RecordField",
"timestamp.field":"timestamp",
即时间戳记字段名称前没有message
前缀。
答案 1 :(得分:0)
如果数据是字符串,则Connect将尝试解析为毫秒-source code here。
无论如何,message.timestamp
假设数据看起来像{ "message" : { "timestamp": ... } }
,所以timestamp
才是正确的。而且,嵌套字段过去是不可能的,因此您可能想弄清楚您拥有的Connect版本。
我不确定使用JSON Converter时如何使instanceof Date
评估为true,即使您已设置schema.enable = true
,也可以在代码中看到仅适用于数字和字符串的架构类型的条件,但仍假定为毫秒。
您可以尝试使用TimestampConverter转换来转换日期字符串。