在 Kafka Streams 中聚合多个分区

Question

这部分是Aggregation over a specific partition in Apache Kafka Streams的后续行动

假设我有一个名为“事件”的主题，有 3 个分区，我在其上发送字符串 -> 整数数据，如下所示：

(Bob, 3) 在分区 1

(Sally, 4) 在分区 2

(Bob, 2) 在分区 3

...

我想汇总所有分区中的值（在此示例中，只是一个简单的总和），最终得到一个类似于以下内容的 KTable：

（莎莉，4 岁）

（鲍勃，5）

正如我在上面链接到的问题的答案中提到的，直接进行这种跨分区聚合是不可能的。但是，回答者提到，如果消息具有相同的键（在这种情况下是正确的），则有可能。这如何实现？

我还希望能够从跨 Kafka Streams 应用程序的每个实例复制的“全局”状态存储中查询这些聚合值。

我的第一个想法是使用GlobalKTable（我相信，根据this page，这应该是我需要的）。但是，此状态存储的更改日志主题与原始“事件”主题具有相同数量的分区，并且只是基于每个分区而不是跨所有分区进行聚合。

这是我的应用程序的精简版 - 不太确定从哪里开始：

final Properties streamsConfig = new Properties();
streamsConfig.put(StreamsConfig.APPLICATION_ID_CONFIG, "metrics-aggregator");
streamsConfig.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
streamsConfig.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass().getName());
streamsConfig.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, CustomDoubleSerde.class.getName());
streamsConfig.put(StreamsConfig.producerPrefix(ProducerConfig.LINGER_MS_CONFIG), 0);
streamsConfig.put(StreamsConfig.NUM_STREAM_THREADS_CONFIG, 1);

final StreamsBuilder builder = new StreamsBuilder();

KStream<String, Double> eventStream = builder.stream(INCOMING_EVENTS_TOPIC);
KTable<String, Double> aggregatedMetrics = eventStream
        .groupByKey()
        .aggregate(() -> 0d, (key, value, aggregate) -> value + aggregate);

aggregatedMetrics.toStream().print(Printed.<String, Double>toSysOut());
aggregatedMetrics.toStream().to(METRIC_CHANGES_TOPIC);

final KafkaStreams streams = new KafkaStreams(builder.build(), streamsConfig);
streams.cleanUp();
streams.start();

builder.globalTable(METRIC_CHANGES_TOPIC, Materialized.<String, Double, KeyValueStore<Bytes, byte[]>>as(METRICS_STORE_NAME));

Runtime.getRuntime().addShutdownHook(new Thread(() -> {
    streams.close();
}));

Answer 1

Kafka Streams 假设输入主题是按键分区的。这个假设不适用于您的情况。因此，您需要告诉 Kafka Streams。

在您的特定情况下，您可以将 groupByKey 替换为 groupBy()

KTable<String, Double> aggregatedMetrics = eventStream
    .groupBy((k,v) -> k)
    .aggregate(() -> 0d, (key, value, aggregate) -> value + aggregate);

lambda 是一个不修改键的虚拟变量，但是，它提示 Kafka Streams 在进行聚合之前根据键对数据进行重新分区。

关于GlobalKTable：这是一种特殊的表，它不是聚合的结果，而是仅从变更日志主题中填充的。看来您的代码已经在做正确的事情了：将聚合结果写入主题并将主题重新读取为GlobalKTable。