Kafka Streams 表转换
Posted
技术标签:
【中文标题】Kafka Streams 表转换【英文标题】:Kafka Streams table transformations 【发布时间】:2018-02-28 10:44:30 【问题描述】:我在 SQL Server 中有一个表,我想流式传输到 Kafka 主题,结构如下:
(UserID, ReportID)
此表将不断更改(添加、插入、无更新记录)
我想把这个变成这样的结构,放到 Elasticsearch 中:
"UserID": 1,
"Reports": [1, 2, 3, 4, 5, 6]
到目前为止,我看到的示例是日志或点击流,它们在我的情况下不起作用。
这种用例可能吗?我总是可以只看UserID
更改和查询数据库,但这似乎很幼稚,并不是最好的方法。
更新
import org.apache.kafka.common.serialization.Deserializer;
import org.apache.kafka.common.serialization.Serde;
import org.apache.kafka.common.serialization.Serdes;
import org.apache.kafka.common.serialization.Serializer;
import org.apache.kafka.streams.KafkaStreams;
import org.apache.kafka.streams.StreamsConfig;
import org.apache.kafka.streams.kstream.*;
import java.util.ArrayList;
import java.util.Properties;
public class MyDemo
public static void main(String... args)
System.out.println("Hello KTable!");
final Serde<Long> longSerde = Serdes.Long();
KStreamBuilder builder = new KStreamBuilder();
KStream<Long, Long> reportPermission = builder.stream(TOPIC);
KTable<Long, ArrayList<Long>> result = reportPermission
.groupByKey()
.aggregate(
new Initializer<ArrayList<Long>>()
@Override
public ArrayList<Long> apply()
return null;
,
new Aggregator<Long, Long, ArrayList<Long>>()
@Override
public ArrayList<Long> apply(Long key, Long value, ArrayList<Long> aggregate)
aggregate.add(value);
return aggregate;
,
new Serde<ArrayList<Long>>()
@Override
public void configure(Map<String, ?> configs, boolean isKey)
@Override
public void close()
@Override
public Serializer<ArrayList<Long>> serializer()
return null;
@Override
public Deserializer<ArrayList<Long>> deserializer()
return null;
);
result.to("report-aggregated-topic");
KafkaStreams streams = new KafkaStreams(builder, createStreamProperties());
streams.cleanUp();
streams.start();
Runtime.getRuntime().addShutdownHook(new Thread(streams::close));
private static final String TOPIC = "report-permission";
private static final Properties createStreamProperties()
Properties props = new Properties();
props.put(StreamsConfig.APPLICATION_ID_CONFIG, "report-permission-app");
props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "broker:9092");
return props;
我实际上陷入了聚合阶段,因为我无法为 ArrayList<Long>
编写合适的 SerDe(还没有足够的技能),lambda 似乎不适用于聚合器 - 它不知道 agg
的类型是什么:
KTable<Long, ArrayList<Long>> sample = builder.stream(TOPIC)
.groupByKey()
.aggregate(
() -> new ArrayList<Long>(),
(key, val, agg) -> agg.add(val),
longSerde
);
【问题讨论】:
使用 Lambda 的聚合应该可以工作。看看这个例子:github.com/confluentinc/kafka-streams-examples/blob/3.3.0-post/… 对于 Serds:您当然可以挑剔地重用现有的LongSerde
。基本模式是首先序列化数组列表的大小,然后是每个单独的长值。在反序列化中你也这样做。首先,反序列化大小,然后知道预期有多少条目并单独反序列化所有条目。或者你从头开始写一个列表序列化器***.com/questions/23793885/…
【参考方案1】:
您可以使用 Kafka 的 Connect API 将数据从 SQL Server 获取到 Kafka。我不知道 SQL Server 的任何特定连接器,但您可以使用任何基于 JDBC 的通用连接器:https://www.confluent.io/product/connectors/
要处理数据,您可以使用 Kafka 的 Streams API。您可以简单地 aggregate()
all 报告每个用户。像这样的:
KTable<UserId, List<Reports>> result =
builder.stream("topic-name")
.groupByKey()
// init a new empty list and
// `add` the items to the list in the actual aggregation
.aggregate(...);
result.to("result-topic");
查看文档以了解有关 Streams API 的更多详细信息:https://docs.confluent.io/current/streams/index.html
请注意,您需要确保报告列表不会无限增长。 Kafka 有一些(可配置的)最大消息大小,整个列表将包含在单个消息中。因此,您应该在投入生产之前估计最大消息大小并应用相应的配置 (->
max.message.bytes
)。在网页上查看配置:http://kafka.apache.org/documentation/#brokerconfigs
最后,您使用 Connect API 将数据推送到 Elastic Search。有多种不同的连接器可用(我当然会推荐 Confluent 一个)。有关 Connect API 的更多详细信息:https://docs.confluent.io/current/connect/userguide.html
【讨论】:
我一定会去看看的。明天将回复结果如何。 你能帮忙多一点吗?我只是因为缺乏 Java 技能而陷入困境。已更新我的问题。【参考方案2】:在SQL和Kafka Streams中直接不允许这种方法,但是用例是可能的,可以实现如下:
1) 使用 SOLRJ API 在 SQL 服务器上编写自定义应用程序,每当在 SQL 中执行 DML(插入、更新、删除等)操作时,该应用程序将命中 Solr 实例。 https://wiki.apache.org/solr/Solrj
2) 使用 Solr SQL 数据导入处理程序,只要 SQL 中发生 DML(插入、更新、删除等)操作,SQL Server 就会自动通知 solr。 https://wiki.apache.org/solr/DataImportHandler
【讨论】:
以上是关于Kafka Streams 表转换的主要内容,如果未能解决你的问题,请参考以下文章
Kafka Streams - 根据 Streams 数据发送不同的主题
Akka Stream Kafka vs Kafka Streams