AWS Kinesis 中的分区键是什么？

Question

我正在阅读有关AWS Kinesis 的信息。在下面的程序中，我将数据写入名为TestStream 的流中。我将这段代码运行了 10 次，将 10 条记录插入到流中。

var params = {
    Data: 'More Sample data into the test stream ...',
    PartitionKey: 'TestKey_1',
    StreamName: 'TestStream'
};

kinesis.putRecord(params, function(err, data) {
   if (err) console.log(err, err.stack); // an error occurred
   else     console.log(data);           // successful response
});

所有记录均已成功插入。 partition key 在这里的真正含义是什么？它在后台做什么？我读了它的documentation，但不明白它的意思。

Answer 1

分区键仅在流中有多个分片时才重要（但它们始终是必需的）。 Kinesis 计算分区键的 MD5 哈希来决定在哪个分片上存储记录（如果您描述了流，您会看到哈希范围作为分片描述的一部分）。

那么为什么这很重要？

每个分片每秒只能接受 1,000 条记录和/或 1 MB（请参阅PutRecord doc）。如果您写入单个分片的速度超过此速率，您将获得ProvisionedThroughputExceededException。

使用多个分片，您可以扩展此限制：4 个分片可以为您提供 4,000 条记录和/或每秒 4 MB。当然，也有一些注意事项。

最大的是必须使用不同的分区键。如果您的所有记录都使用相同的分区键，那么您仍在写入单个分片，因为它们都将具有相同的哈希值。如何解决这个问题取决于您的应用程序：如果您从多个进程写入，那么使用进程 ID、服务器的 IP 地址或主机名可能就足够了。如果您从单个进程写入，那么您可以使用记录中的信息（例如，唯一的记录 ID）或生成随机字符串。

第二个注意事项是分区键计入总写入大小，并存储在流中。因此，虽然您可以通过在记录中使用一些文本组件来获得良好的随机性，但您会浪费空间。另一方面，如果你有一些随机的文本组件，你可以从中计算出你自己的哈希值，然后将其字符串化为分区键。

最后，如果您使用PutRecords（如果您要写入大量数据，则应该这样做），请求中的个别记录可能会被拒绝，而其他记录可能会被接受。发生这种情况是因为这些记录进入了已达到写入限制的分片，您必须重新发送它们（延迟后）。

Answer 2

接受的答案解释了什么是分区键以及它们在 Kinesis 中的用途（以决定将数据发送到哪个分片）。不幸的是，它没有解释为什么首先需要分区键。

理论上，AWS 可以为每条记录创建一个随机分区键，从而实现近乎完美的传播。

使用分区的真正原因是“排序/流式传输”。 Kinesis 维护每个分片的顺序（序列号）。

换句话说，通过将 X 和之后的 Y 流式传输到分片 Z，可以保证 X 将在 Y 之前从流中提取（当从所有分片中提取记录时）。 另一方面，通过将 X 流式传输到分片 Z1，然后将 Y 流式传输到分片 Z2，不能保证排序（从所有分片中提取记录时）。 Y 肯定会在 X 之前被拉到。

分片“流式传输”功能在许多情况下都很有用。

（例如，视频服务使用用户名和电影名称作为分区键将电影流式传输给用户）。

（例如，处理常见事件流并应用聚合）。

在不需要排序（流式传输）或分组（例如聚合）的情况下，生成随机分区键就足够了。