哪个版本的Kafka Stream效率更高？

Question

我正在尝试对Kafka Stream进行编程，我必须加入两个流，我想问一下哪个选项会更有效？

我有一个带有1000万个AvroObject1的带有AvroObject1的Kafka TopicA和另一个带有50000个AvroObject2的带有AvroObject2的TopicB。

以下哪个流连接配置效率更高（或者有什么区别？）

avroObject1Stream
   .join(avroObject2Stream)

或

avroObject2Stream
  .join(avroObject1Stream)

作为后续问题，在TopicA上我保留了一天的时间，而TopicB上保留了10天，我使用以下JoinWindows配置。...

avroObject1Stream
   .join(avroObject2Stream,
            JoinWindow.of(Duration.ofDays(10)).grace(Duration.ofDays(10)))

现在，我知道流连接主题的日志保留时间是JoinWindows维护时间+ 1天（开箱即用），但这对于TopicA 1天保留时间意味着什么，当AvroObject1的年龄变大时，它将从TopicA中消失1天，但1天后它们仍将在“流加入主题”中仍然可见，还是Kafka保留操作会使它们从“加入主题”中消失？

寻求答案...

Answer 1

它是流处理，因此“对象数”无关紧要。从概念上讲，流是无限的。因此，这两个程序是相同的，并且内部连接的流是左侧，而哪个流是右侧，这没有区别。

联接的更改日志保留时间不影响您输入主题的保留时间。对于联接，基本上发生的是，将每个输入记录复制到本地存储和附加的changelog主题中。如果您的数据从输入主题中删除，则该数据不会从changelog主题存储中删除。在存储保留时间过去之后，store and changelog主题将删除其记录副本。