博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Kafka 处理器客户端介绍
阅读量:6439 次
发布时间:2019-06-23

本文共 5830 字,大约阅读时间需要 19 分钟。

【编者按】本文作者为 Bill Bejeck,主要介绍如何有效利用新的 Apache 客户端来满足数据处理需求。文章系国内 管理平台 编译呈现,以下为正文。

如果你使用的系统需要传输大量数据,就算你没用过 ,很有可能已经听说过它了。从较高层面来说,Kafka 是一个对错误零容忍、分布式的发布订阅信息系统,设计目的是提供高速服务及处理成千上万信息的能力。Kafka 提供多种应用,其中一种是实时处理。实时处理通常包括读取主题(源)的数据进行分析或转换工作,然后将结果写入另一个主题(sink)。目前要完成这些工作,你有以下两种备选:

  1. 通过 使用自定义代码来读取数据,然后通过 写出数据。

  2. 使用发展成熟的流处理框架,例如 、 或者 。

虽然两种方法都很好,在某些情况下,如果能有一个处于两种之间的方法就更好了。为此,《》流程提出了一个。处理器接口的目的是引入一个客户端,以便处理 Kafka 消耗的数据,并将结果写入 Kafka。该处理器客户端包括两个组成部分:

  1. 一个“低层级”的处理器,能够提供数据处理、组合处理和本地状态存储的接口

  2. 一个“高层级”的流 DSL,能够满足大部分处理执行需求。

接下来将会有一系列文章介绍新的 Kafka 处理器客户端,本文主要介绍“低层级”的处理器功能。在后续文章中,将会介绍“高层级”的 DSL 和涉及到其它技术的高级用例。如想了解处理器客户端的动机和目标的完整描述,请阅读《》原文。免责声明:本人与 并无任何关系,仅仅是 Kafka 的一名热心用户。

处理器接口的潜在用例

在笔者看来,处理器接口是个有用工具的原因有以下几点:

  1. 在处理奇异值时需要发出通知或警报。换句话说,业务需求就是:你不需要建立模型或在其它被处理的数据语境中检查这个值。举个例子,当有人使用虚假信用卡时,你希望能立即收到通知。

  2. 在进行分析时筛选数据。理想状态下,筛选出中到高比例的数据应该重新分区,来避免数据倾斜问题。分区操作成本很高,因此通过筛选哪些数据要发送到你的分析群集,就可以省去筛选和重新分区步骤。

  3. 你只想对源数据的某一部分进行分析,同时把所有数据传输到另一个存储空间。

第一个处理器范例

在第一个处理器范例中,笔者要转化虚构的客户购买数据,并进行以下操作:

  1. 掩藏信用卡号的处理器。

  2. 用于收集客户名字和消费金额的处理器,这些信息将会用于一个奖励项目。

  3. 用于收集邮编和购买商品的处理器,这些信息可以帮助判断消费者的购物模式。

以下是处理器对象的简要介绍。三个处理器都继承了 类,该类提供了punctuateclose 方法的空操作重写。在本范例中,只需要实现 process 方法,该行为就会执行到每条信息。任务完成后,将会调用 context().forward方法,它会将修改后的或者新的键值对转发给下游的消费者。(context() 方法会检索 init 方法在父类中预置的 context 实例变量)。然后, context().commit 方法被调用,提交包括信息偏移在内的流当前状态。

打造处理器图形

现在需要定义来决定信息的流向。这是关系到处理器接口是否会“出现偏差”的地方。要打造处理器节点图,需要用到。虽然笔者的信息属于 JSON,但还是需要定义 和 实例,因为处理器按照类型来处理。下面是来自 的一部分代码,它们构成了图形拓扑、序列化程序和反序列化程序。

//Serializers for types used in the processorsJsonDeserializer
purchaseJsonDeserializer = new JsonDeserializer<>(Purchase.class);JsonSerializer
purchaseJsonSerializer = new JsonSerializer<>();JsonSerializer
rewardAccumulatorJsonSerializer = new JsonSerializer<>();JsonSerializer
purchasePatternJsonSerializer = new JsonSerializer<>();StringDeserializer stringDeserializer = new StringDeserializer();StringSerializer stringSerializer = new StringSerializer(); TopologyBuilder topologyBuilder = new TopologyBuilder(); topologyBuilder.addSource("SOURCE", stringDeserializer, purchaseJsonDeserializer, "src-topic") .addProcessor("PROCESS", CreditCardAnonymizer::new, "SOURCE") .addProcessor("PROCESS2", PurchasePatterns::new, "PROCESS") .addProcessor("PROCESS3", CustomerRewards::new, "PROCESS") .addSink("SINK", "patterns", stringSerializer, purchasePatternJsonSerializer, "PROCESS2") .addSink("SINK2", "rewards",stringSerializer, rewardAccumulatorJsonSerializer, "PROCESS3") .addSink("SINK3", "purchases", stringSerializer, purchaseJsonSerializer, "PROCESS");//Use the topologyBuilder and streamingConfig to start the kafka streams processKafkaStreams streaming = new KafkaStreams(topologyBuilder, streamingConfig);streaming.start();

There’s several steps here, so let’s do a quick walkthrough

上面的代码涉及到几个步骤,以下是其简介:

  1. 在第11行有个源节点叫做“SOURCE”,一个用于键的 StringDeserializer 以及生成的 来处理 对象,和供给源代码的1到N个主题。本范例中使用的是1个主题“src-topic”的输入信息。

  2. 接下来开始添加处理器节点。addProcessor 方法以一个 Strings 命名,一个 ,以及1到N个父节点。在本范例中,第一个处理器是“SOURCE”节点的孩子,同时又是后两个处理器的父亲。在这里需要注意 ProcessorSupplier 的句法。该代码在利用,后者可以在 8中用作供应实例的 lambda 表达式。代码继续用同样的方式定义接下来的两个处理器。

  3. 最后添加 sink(输出主题)来完成信息通道。addSink 方法用到一个 String 名字、主题名字、键值序列化程序、值序列化程序和1到 N 个父节点。在3个 addSink 方法中,可以看到之前在代码中创建的 JSONDeserializer 对象。

下面是拓扑构造器(TopologyBuilder)的最终结果图示:

Kafka 处理器客户端介绍

状态处理器

处理器接口并不仅限于处理当前收到的值,还能维护集合、总和过程中使用的状态,或者连接将要收到的信息。为了充分利用状态处理功能,在创建处理拓扑时,使用 TopologyBuilder.addStateStore 方法创建一个 。可以创建两种存储区:(1)内存式的;(2)利用堆外存储的 存储。选择哪个取决于值的有效时长。对于数量较多的动态值,RocksDB 比较适合,对于时效较短的词条,内存式更适合。在指定 String、Integer 或较长的键值和值时, 类别提供、。但是如果使用自定义类型的键值或值时,需要提供自定义的序列化程序和反序列化程序。

状态处理器范例

在本范例中,将会看到 process 方法和另外两个重写方法:initpunctuateprocess 方法抽取股票代号,更新或创建交易信息,然后把汇总结果放入存储区。

init 方法中的操作有:

  1. 设置 ProcessorContext 引用。

  2. ProcessorContext.schedule 方法,以便控制 punctuate 方法的执行频率。在本范例中频率为10秒1次。

  3. 给构建 TopologyBuilder(下文将会谈到)时创建的状态存储区设置一个引用。

punctuate 方法会迭代存储区内的所有值,并且一旦它们在过去11秒内更新,StockTransactionSummary 对象就会被发送给消费者。

利用状态存储区打造一个拓扑构造器

跟前面的例子一样,看处理器代码只完成了一半的工作。以下是部分,创建了 TopologyBuilder,其中包括一个 KeyValueStore

TopologyBuilder builder = new TopologyBuilder();  JsonSerializer
stockTxnSummarySerializer = new JsonSerializer<>(); JsonDeserializer
stockTxnSummaryDeserializer = new JsonDeserializer<>(StockTransactionSummary.class); JsonDeserializer
stockTxnDeserializer = new JsonDeserializer<>(StockTransaction.class); JsonSerializer
stockTxnJsonSerializer = new JsonSerializer<>(); StringSerializer stringSerializer = new StringSerializer(); StringDeserializer stringDeserializer = new StringDeserializer(); builder.addSource("stocks-source", stringDeserializer, stockTxnDeserializer, "stocks") .addProcessor("summary", StockSummary::new, "stocks-source") .addStateStore(Stores.create("stock-transactions").withStringKeys() .withValues(stockTxnSummarySerializer,stockTxnSummaryDeserializer).inMemory().maxEntries(100).build(),"summary") .addSink("sink", "stocks-out", stringSerializer,stockTxnJsonSerializer,"stocks-source") .addSink("sink-2", "transaction-summary", stringSerializer, stockTxnSummarySerializer, "summary"); System.out.println("Starting KafkaStreaming"); KafkaStreams streaming = new KafkaStreams(builder, streamingConfig); streaming.start(); System.out.println("Now started");

这段代码在创建序列化、非序列化和拓扑构造器方面并无不同。但是有一点不同。第13、14行创建了一个内存存储区(命名为“summary”),供处理器使用。传到 Stores.create 方法的名字跟前面在处理器 init 方法中用来重写存储区的名字一样。在指定键值时,可以使用便捷的 Stores.withStringKeys() 方法,因为 Strings 本来就是它支持的类型,不需要提供参数。但是因为使用了类型化的值,所以使用了 withValues 方法,并提供了序列化和非序列化实例。

用范例代码运行处理器

本文所示范例可与实时 Kafka 群集进行对比。指导说明参见本文的 。

结论

目前为止,笔者已经介绍了 Kafka 处理器接口的“低层级”部分。希望能让大家领略到这个新接口能够给 Kafka 的新老用户带来的实用性和多样性。在下一篇文章中,笔者将会介绍“高层级”的 DSL 接口,以及连接、时窗功能等问题。最后要强调的一点,就是处理器接口和 Kafka 流还在继续开发中,很快将会有更新。

本文系 工程师整理呈现。 能为您提供端到端的应用性能解决方案,我们支持所有常见的框架及应用服务器,助您快速发现系统瓶颈,定位异常根本原因。分钟级部署,即刻体验,性能监控从来没有如此简单。想阅读更多技术文章,请访问 。

本文转自

原文地址:

转载地址:http://oqhga.baihongyu.com/

你可能感兴趣的文章
java面向对象1
查看>>
DLLMain
查看>>
8.2.1-优化SELECT语句
查看>>
单链表实现栈
查看>>
第一个Cocos2d-x Lua游戏
查看>>
临时表 表变量 游标
查看>>
迭代器,生成器,可迭代
查看>>
上拉电阻大小对i2c总线的影响
查看>>
python3 字典update与deepcopy
查看>>
Configuration python CGI in XAMPP in win-7
查看>>
使用Android-PullToRefresh实现下拉刷新功能
查看>>
vue案例 - vuex+sessionstorage解决vue项目刷新后页面空白/数据丢失
查看>>
【消灭代办】第5周 - null拷贝,input自适应,进度条加载,颜色随机值
查看>>
Flutter工程无法找到Android真机或Android模拟器
查看>>
the diff typeof and instanceof
查看>>
Lgame引擎学习
查看>>
TYVJ P1080 N皇后 Label:dfs PS:以前做的一道题,贴出来防忘
查看>>
洛谷 P1033 自由落体 Label:模拟&&非学习区警告
查看>>
并行开发-PLinq
查看>>
个彻底解释 C#泛型的源代码
查看>>