使用 kafka-streams 有条件地对 json 输入流进行排序

Question

我是开发 kafka-streams 应用程序的新手。我的流处理器旨在根据输入 json 消息中的用户键值对 json 消息进行排序。

Message 1: {"UserID": "1", "Score":"123", "meta":"qwert"}
Message 2: {"UserID": "5", "Score":"780", "meta":"mnbvs"}
Message 3: {"UserID": "2", "Score":"0", "meta":"fghjk"}

我在这里读到没有动态解决方案。

在我的用例中，我知道对输入流进行排序所需的用户键和输出主题。因此，我正在编写特定于每个处理器应用程序的每个用户的单独处理器应用程序，其中每个处理器应用程序匹配不同的用户 ID。

所有不同的流处理器应用程序都从 kafka 中的相同 json 输入主题读取，但如果满足预设的用户条件，每个应用程序只会将消息写入特定用户的输出主题。

public class SwitchStream extends AbstractProcessor<String, String> {
        @Override
        public void process(String key, String value) {
            HashMap<String, String> message = new HashMap<>();
            ObjectMapper mapper = new ObjectMapper();
            try {
                message = mapper.readValue(value, HashMap.class);
            } catch (IOException e){}

            // User condition UserID = 1
            if(message.get("UserID").equals("1")) {
                context().forward(key, value);
                context().commit();
            }
        }

        public static void main(String[] args) throws Exception {
            Properties props = new Properties();
            props.put(StreamsConfig.APPLICATION_ID_CONFIG, "sort-stream-processor");
            props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092");
            props.put(StreamsConfig.KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
            props.put(StreamsConfig.VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());

            props.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
            TopologyBuilder builder = new TopologyBuilder();
            builder.addSource("Source", "INPUT_TOPIC");
            builder.addProcessor("Process", SwitchStream::new, "Source");
            builder.addSink("Sink", "OUTPUT_TOPIC", "Process");

            KafkaStreams streams = new KafkaStreams(builder, props);
            streams.start(); 
       }
}

问题一：如果使用低级处理器 API，是否可以使用高级流 DSL 轻松实现相同的功能？（我承认我发现很难理解和遵循高级流 DSL 的其他在线示例）

问题二：输入 json 主题正在以 20K-25K EPS 的高速率获取输入。我的处理器应用程序似乎跟不上这个输入流。我已经尝试部署每个进程的多个实例，但结果与我想要的结果相去甚远。理想情况下，每个处理器实例应该能够处理 3-5K EPS。

有没有办法改进我的处理器逻辑或使用高级流 DSL 编写相同的处理器逻辑？那会有什么不同吗？

Answer 1

您可以通过 filter() 在高级 DSL 中执行此操作（您有效地实现了一个过滤器，因为如果它是 userID==1，您只 return 一条消息）。您可以使用 KStream#branch() 概括此过滤器模式（有关详细信息，请参阅文档：http://docs.confluent.io/current/streams/developer-guide.html#stateless-transformations). Also read the JavaDocs: http://kafka.apache.org/0102/javadoc/index.html?org/apache/kafka/streams

KStreamBuilder builder = new KStreamBuilder();
builder.stream("INPUT_TOPIC")
       .filter(new Predicate() {
           @Overwrite
           boolean test(String key, String value) {
               // put you processor logic here
               return message.get("UserID").equals("1")
           }
        })
       .to("OUTPUT_TOPIC");

关于性能。单个实例应该能够处理 10K+ 条记录。如果没有任何进一步的信息，很难判断可能是什么问题。我建议在 Kafka 用户列表中询问（参见 http://kafka.apache.org/contact）

使用 kafka-streams 有条件地对 json 输入流进行排序

using kafka-streams to conditionally sort a json input stream

java

json

apache-kafka

apache-kafka-streams