当主题有多个分区时，KTable-KTable 外键连接不会产生所有消息

Question

请参阅下面的更新以显示潜在的解决方法

我们的应用程序使用 2 个主题作为 KTables，执行左连接，并输出到一个主题。在测试过程中，我们发现当我们的输出主题只有 1 个分区时，这可以正常工作。当我们增加分区数量时，我们注意到生成到输出主题的消息数量减少了。

在启动应用程序之前，我们使用多个分区配置测试了这一理论。使用 1 个分区，我们可以看到 100% 的消息。使用 2，我们看到一些消息（少于 50%）。有 10 个，我们几乎看不到任何（不到 10%）。

因为我们要加入，所以从主题 1 消费的每条消息都应该写入我们的输出主题，但我们发现这并没有发生。似乎消息卡在从 Ktable 的外键连接创建的“中间”主题中，但没有错误消息。

任何帮助将不胜感激！

Service.java

@Bean
public BiFunction<KTable<MyKey, MyValue>, KTable<MyOtherKey, MyOtherValue>, KStream<MyKey, MyEnrichedValue>> process() {

    return (topicOne, topicTwo) ->
            topicOne
                    .leftJoin(topicTwo,
                            value -> MyOtherKey.newBuilder()
                                    .setFieldA(value.getFieldA())
                                    .setFieldB(value.getFieldB())
                                    .build(),
                            this::enrich)
                    .toStream();
}

build.gradle

plugins {
    id 'org.springframework.boot' version '2.3.1.RELEASE'
    id 'io.spring.dependency-management' version '1.0.9.RELEASE'
    id 'com.commercehub.gradle.plugin.avro' version '0.9.1'
}

...

ext {
    set('springCloudVersion', "Hoxton.SR6")
}

...

implementation 'org.springframework.cloud:spring-cloud-stream-binder-kafka-streams'
implementation 'io.confluent:kafka-streams-avro-serde:5.5.1'

注意：由于 spring-cloud-stream 中包含的版本中存在错误，我们排除了 org.apache.kafka 依赖项

application.yml

spring:
  application:
    name: app-name
    stream:
      bindings:
        process-in-0:
          destination: topic1
          group: ${spring.application.name}
        process-in-1:
          destination: topic2
          group: ${spring.application.name}
        process-out-0:
          destination: outputTopic
      kafka:
        streams:
          binder:
            applicationId: ${spring.application.name}
            brokers: ${KAFKA_BROKERS}
            configuration:
              commit.interval.ms: 1000
              producer:
                acks: all
                retries: 20
              default:
                key:
                  serde: io.confluent.kafka.streams.serdes.avro.SpecificAvroSerde
                value:
                  serde: io.confluent.kafka.streams.serdes.avro.SpecificAvroSerde
            min-partition-count: 2

测试场景：

举个具体的例子，如果我将以下 3 条消息发布到主题 1：

{"fieldA": 1, "fieldB": 1},,{"fieldA": 1, "fieldB": 1}
{"fieldA": 2, "fieldB": 2},,{"fieldA": 2, "fieldB": 2}
{"fieldA": 3, "fieldB": 3},,{"fieldA": 3, "fieldB": 3}
{"fieldA": 4, "fieldB": 4},,{"fieldA": 4, "fieldB": 4}

输出主题只会收到2条消息。

{"fieldA": 2, "fieldB": 2},,{"fieldA": 2, "fieldB": 2}
{"fieldA": 3, "fieldB": 3},,{"fieldA": 3, "fieldB": 3}

另外两个怎么了？似乎某些键/值对无法写入输出主题。重试这些“丢失”的消息也不起作用。

更新：

通过将主题 1 用作 KStream 而不是 KTable 并在继续执行 KTable-KTable 连接之前调用 toTable()，我能够正常运行。我仍然不确定为什么我的原始解决方案不起作用，但希望这种解决方法可以对实际问题有所了解。

@Bean
public BiFunction<KStream<MyKey, MyValue>, KTable<MyOtherKey, MyOtherValue>, KStream<MyKey, MyEnrichedValue>> process() {

    return (topicOne, topicTwo) ->
            topicOne
                    .map(...)
                    .toTable()
                    .leftJoin(topicTwo,
                            value -> MyOtherKey.newBuilder()
                                    .setFieldA(value.getFieldA())
                                    .setFieldB(value.getFieldB())
                                    .build(),
                            this::enrich)
                    .toStream();
}

Answer 1

鉴于问题的描述，似乎（左）KTable 输入主题中的数据未按其键正确分区。对于单个分区的主题，好吧，只有一个分区，所有数据都到这个分区，连接结果就完成了。

但是，对于一个多分区的输入主题，你需要确保数据是按key分区的，否则，具有相同key的两条记录可能最终在不同的分区中，从而连接失败（因为连接完成以每个分区为基础）。

请注意，即使外键连接不要求两个输入主题共同分区，但仍然要求每个输入主题本身都按其键进行分区！

如果您使用map().toTable()，您基本上会触发数据的内部重新分区，以确保数据按键分区，从而解决问题。

Answer 2

选择加入主题的键可能会有所帮助。主题的分区配置应该相同。

return (topicOne, topicTwo) ->
        topicOne
            .leftJoin(topicTwo,
                value -> MyOtherKey.newBuilder()
                    .setFieldA(value.getFieldA())
                    .setFieldB(value.getFieldB())
                    .build(),
                this::enrich)
            .toStream().selectKey((key, value) -> key);

Answer 3

这是一个奇怪的问题，我从未听说过多个输出主题分区控制数据写入频率。但是我知道toStream() 仅在缓存已满时才会将数据写入下游，因此请尝试设置cache.max.bytes.buffering = 0。 此外，KTable 仅保留每个键的最新记录，因此如果您对同一个键有多个值，则只有最新值会保留并写入下游。