Kafka Ktable 还流式传输重复更新

Posted 2023-02-25

【中文标题】Kafka Ktable 还流式传输重复更新

【英文标题】：Kafka Ktable also streaming duplicate updates

【发布时间】：2020-08-04 05:47:12

【问题描述】：

。

我想处理 Ktable（使用 Kstream.reduce() 创建）更改日志流，即 Ktable 中键值的任何更改。但它似乎即使多次向 Ktable 发送相同的键值对，每次都向下游发送。仅当值发生更改时，我才需要在键的值中发送更新。

`

groupByKey(Grouped.with(new Serdes.LongSerde(),new Serdes.LongSerde())) 
                .reduce(new Reducer<Long>()    
                    @Override
                    public Long apply(Long t1, Long t2) 
                        return t2;
                    
                ).toStream().foreach((key, value) -> //for each update in ID, send update to the stream
        

            sendUpdate(key); 
        );

`

【问题讨论】：

Kafka Streams 实现了“更新时发出”策略，并且不比较值是否实际更改。不过，还有一些工作正在进行中，以部分更改行为，并且仅在值实际更改时才发出：cwiki.apache.org/confluence/display/KAFKA/…

【参考方案1】：

这是KTable#toStream()的默认行为，它将更改日志主题转换为KStream，因此reduce的下游运算符在每次上游reduce运算符收到消息时都会更新。

您可以使用Processor API 归档您的期望行为，在这种情况下，我们使用 KStream.transfomerValues()。

首先注册一个 KeyValueStore 来存储你的最新值：

//you don't need to add number_store, if your KTable already materialized to number_store
streamsBuilder
        .addStateStore(Stores.keyValueStoreBuilder(
                Stores.persistentKeyValueStore("number_store"), Serdes.Long(), Serdes.Long()));

numberKStream
        .transformValues(ExtractIfValueChangedTransformer::new, "number_store")
        .filter((key, value) -> value != null)
        .foreach((key, value) -> sendUpdate(key));

然后我们创建一个ExtractIfValueChangedTransformer，如果值改变了只返回新消息的值，如果没有则返回null：

public class ExtractIfValueChangedTransformer implements ValueTransformerWithKey<Long, Long, Long> 

    KeyValueStore<Long, Long> kvStore;

    @Override
    public void init(ProcessorContext context) 
        kvStore = (KeyValueStore<Long, Long>) context.getStateStore("number_store");
    

    @Override
    public Long transform(Long key, Long newValue) 
        Long oldValue = kvStore.get(key);
        kvStore.put(key, newValue);
        if (oldValue == null) return newValue;
        return oldValue.equals(newValue) ? null : newValue;
    

    @Override
    public void close() 

【参考方案2】：

Kafka Streams 提供 2 种语义：emit-on-update 和 emit-on-window-close。

KIP-557 是关于基于数据的字节数组比较添加emit-on-change语义。它已经在 Kafka Streams 2.6 和 removed due to "potential data loss" 中实现。

不过，我使用 Kafka Streams DSL 开发了一个变化时发出语义的实现。

我们的想法是将具有 emit-on-update 语义的 KStream 转换为具有 emit-on-change 语义的 KStream。您可以在您提供的源 Kstream 上使用此实现来创建 KTable，也可以在应用 .toStream() 后在 KTable 上使用此实现。

这个实现隐式地创建了一个状态存储，其中的值包含 KStream 数据和一个标志，指示是否应该发出更新。此标志在聚合操作中设置，并基于Object#equals 进行比较。但您可以更改实现以使用Comparator。

这是改变 KStream 语义的withEmitOnChange 方法。您可能必须为 EmitOnChangeState 数据结构指定一个 serde（见下文）。

public static <K, V> KStream<K, V> withEmitOnChange(KStream<K, V> streams) 
    return streams
            .groupByKey()
            .aggregate(
                    () -> (EmitOnChangeState<V>) null,
                    (k, data, state) -> 
                        if (state == null) 
                            return new EmitOnChangeState<>(data, true);
                         else 
                            return state.merge(data);
                        
                    
            )
            .toStream()
            .filter((k, state) -> state.shouldEmit)
            .mapValues(state -> (V) state.data);

这是存储在状态存储中的数据结构，用于检查是否应该发出更新。

public static class EmitOnChangeState<T> 
    public final T data;
    public final boolean shouldEmit;
    public EmitOnChangeState(T data, boolean shouldEmit) 
        this.data = data;
        this.shouldEmit = shouldEmit;
    
    public EmitOnChangeState<T> merge(T newData) 
        return new EmitOnChangeState<>(newData, Objects.equals(data, newData));
    
    @Override
    public boolean equals(Object o) 
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        EmitOnChangeState<?> that = (EmitOnChangeState<?>) o;
        return shouldEmit == that.shouldEmit && Objects.equals(data, that.data);
    
    @Override
    public int hashCode() 
        return Objects.hash(data, shouldEmit);
    

用法：

KStream<ProductKey, Product> products = builder.stream("product-topic");

withEmitOnChange(products)
  .to("out-product-topic"); // output topic with emit-on-change semantic