我们是否需要至少在一次交付情况下自行删除重复项？

Question

Apache Storm 和 Samza 保证至少交付一次。这意味着计算过程中可能存在一些重复。我们是否需要自己移动重复项（包括删除代码中的重复部分）？ 例如，字数问题。如果单词“男孩”只出现一次，但由于某些故障或延迟而出现了 2 个“男孩”。风暴重播了“男孩”。那么'boy's count 2的结果是什么？还是Storm帮我们去掉重复，结果是一个？

Answer 1

Storm 不会删除重复项，您必须检查您是否已经在流的开头（即您的 spout）处理了根消息，这样您就不会在拓扑中再次发送它，然后弄乱您的计数器。

幂等消费者模式是您应该关注的。存储获取的最后一个事件的哈希值，以便在意外再次发送它们时忽略它们是一种实现方式（例如，内存中的 ConcurrentHashMap 可以做到这一点，或者像 Redis 这样的外部缓存，不要忘记驱逐这些结构）确定您没有再次获得该事件的风险）。