Kafka Streams 中 Streams 和 Tables 的二元性细节

Question

融合文档here 状态

Kafka 在许多方面利用了这种二元性：例如，使您的应用程序具有弹性，支持容错状态处理，或者针对应用程序的最新处理结果运行 Kafka Streams 交互式查询。

想知道是否有更多关于在这些场景中如何使用流/表的二元性的详细信息。寻找一些简单的解释而不是一些冗长的设计文档

Answer 1

可以将流视为日志，而表可以是给定时刻日志的快照时间。

流是数据的流，新的数据可以源源不断地到来，我们在它到来时处理它，将处理后的结果存储在一个表中以供查询。

表格的数据，会随着时间的推移而变化。在任何给定的时刻，我们都会在那个时刻获得该数据的快照。因此，表可用于执行查询和按需检索结果，而 'just' 流

并非如此

---

例如，

video 上的

用户 cmets 可以是事件的流，新的 cmets 不断出现，它们只是显示在 UI 上。此处没有可查询的内容（通常）。

但也有一些其他用例，例如..

板球更新：对于每一个新球，我们都没有。该球的跑动次数，现在我们需要将它们添加到得分中。我们当然需要存储以前的分数并用每个新球更新它。我们还需要在任何给定的时间（按需）查询分数。为了执行查询或更新分数，我们可以使用表格。

---

在 Kafka 上下文中，事件是一条日志消息，每条消息都是不可变的。 考虑一个更新用户信息的示例。

{user_id: 101, name: X}
{user_id: 101, name: Y}

user_id=101 的name 从X 更新为Y。当您直接对数据库执行更新并进行查询时，您只会看到name: Y，您可能没有以前的用户名，因为它被新值覆盖。

在 Kafka 中，我们有两条消息，'X' 和 'Y'。

有时，这可能很有用，甚至很关键。黑客可能已经更改了所有用户信息，而合法用户无法证明自己的身份来重新获得他的帐户。但如果有关于他的帐户的以前的信息可​​以作为证据，他可以重新声明。

因此，对于那些使用 Kafka 的人来说，可能会有用例将数据存储为表（或）地图，然后使用查询来检索它。