拥有一个 Kafka Streams 应用程序，该应用程序通过流连接执行窗口化（使用原始事件时间，而不是挂钟时间），例如1 天。
如果启动此拓扑，并从头开始重新处理数据（如在 lambda 样式架构中），此窗口是否会将旧数据保留在那里？大 例如：如果今天是2022-01-09，我正在接收2021-03-01的数据，这个旧数据会进入表格，还是从一开始就被拒绝？
在这种情况下 - 可以采取哪些策略来重新处理这些数据？
更新使用 Kafka Streams 2.5.0
【问题讨论】：
标签： apache-kafka apache-kafka-streams
使用流时间应该会看到重新处理与原始运行一样工作。但是，在使用多个主题时有一些警告：流时间将始终是在任何主题（子拓扑和任务的）中找到的最新时间戳。这可能会导致不同的结果。在从时间戳差异很大的分区中消费时，确定有效流时间的不同 Kafka Streams 版本正在不断改进。这使得在不知道 Kafka Streams 版本的情况下很难确定地评论您的问题。
在您的示例中，只要流时间没有进展太远，旧数据就会被接受。重新处理整个数据集应该可以工作，因为它将线性地通过您的主题。如果旧数据在超过窗口大小 + 宽限期的时间窗口中聚合，Kafka Streams 将拒绝该记录。在这种情况下，Kafka Streams 也会发出错误消息并相应地调整其指标。所以这种行为应该很容易上手。
如果可行，我建议尝试这种重新处理并查看日志和指标。
【讨论】：