将 kafka-streams 与自定义分区器一起使用

Question

我想通过 KTable 加入 KStream。两者都有不同的密钥，但使用自定义分区器共同分区。但是，连接不会产生结果。

KStream 具有以下结构
- 键：房屋 - 组
- 值：用户
KTable 具有以下结构
- 键：用户 - 组
- 值：地址

为了确保每个插入两个主题都按插入顺序进行处理，我使用了一个自定义分区器，我使用每个键的 Group 部分对两个主题进行分区。

我希望得到以下结构的流：
- 键：房屋 - 组
- 值：用户 - 地址

为此，我正在执行以下操作：

val streamsBuilder = streamBuilderHolder.streamsBuilder
val houseToUser = streamsBuilder.stream<HouseGroup, User>("houseToUser")
val userToAddress = streamsBuilder.table<UserGroup, Address>("userToAddress")
val result: KStream<HouseGroup, UserWithAddress> = houseToUser
        .map { k: HouseGroup, v: User ->
            val newKey = UserGroup(v, k.group)
            val newVal = UserHouse(v, k.house)
            KeyValue(newKey, newVal)
        }
        .join(userToAddress) { v1: UserHouse, v2: Address ->
            UserHouseWithAddress(v1, v2)
        }
        .map{k: UserGroup, v: UserHouseWithAddress ->
            val newKey = HouseGroup(v.house, k.group)
            val newVal = UserWithAddress(k.user, v.address)
            KeyValue(newKey, newVal)
        }

这需要一个匹配的连接，但它不起作用。

我想显而易见的解决方案是加入一个全局表并放弃自定义分区器。但是，我仍然不明白为什么上述方法不起作用。

Answer 1

我认为缺少匹配是因为使用了不同的分区器。

对于您的输入主题，使用CustomPartitioner。 Kafka Streams 默认使用org.apache.kafka.clients.producer.internals.DefaultPartitioner。

在KStream::join 之前的代码中，您调用了KStream::map。 KStream::map 函数在 KStream::join 之前强制重新分区。在重新分区期间，消息被刷新到 Kafka（$AppName-KSTREAM-MAP-000000000X-repartition 主题）。为了传播消息，Kafka Streams 使用定义的分区器（属性：ProducerConfig.PARTITIONER_CLASS_CONFIG）。总结：对于“repartition topic”和“KTable topic”，具有相同键的消息可能在不同的分区中

您的解决方案将在您的 Kafka Streams 应用程序 (props.put(ProducerConfig.PARTITIONER_CLASS_CONFIG, "com.example.CustomPartitioner") 的属性中设置您的自定义分区

对于调试，您可以检查重新分区主题 ($AppName-KSTREAM-MAP-000000000X-repartition)。具有相同键的消息（如输入主题）可能位于不同的分区（不同的编号）

关于Join co-partitioning requirements的文档

Answer 2

试试这个，对我有用。

static async System.Threading.Tasks.Task Main(string[] args)
        {
 
            int count = 0;
            string line = null;

            var appConfig = getAppConfig(Enviroment.Dev);
            var schemaRegistrConfig = getSchemmaRegistryConfig(appConfig);
            var registry = new CachedSchemaRegistryClient(schemaRegistrConfig);
            var serializer = new AvroSerializer<YourAvroSchemaClass>(registry);

            var adminClient = new AdminClientBuilder(new AdminClientConfig( getClientConfig(appConfig))).Build();
            var topics = new List<TopicSpecification>(){ new TopicSpecification { Name = appConfig.OutputTopic, NumPartitions = 11}};

            await adminClient.CreateTopicsAsync(topics);

            var producerConfig = getProducerConfig(appConfig);

            var producer = new ProducerBuilder<string, byte[]>(producerConfig)
                .SetPartitioner(appConfig.OutputTopic, (string topicName, int partitionCount, ReadOnlySpan<byte> keyData, bool keyIsNull) =>
             {
                 var keyValueInInt = Convert.ToInt32(System.Text.UTF8Encoding.UTF8.GetString(keyData.ToArray()));
                 return (Partition)Math.Floor((double)(keyValueInInt % partitionCount));
             }).Build();

            using (producer)
            {
                Console.WriteLine($"Start to load data from : {appConfig.DataFileName}: { DateTime.Now} ");
                var watch = new Stopwatch();
                watch.Start();
                try
                {
                    var stream = new StreamReader(appConfig.DataFileName);
                    while ((line = stream.ReadLine()) != null)
                    {
                        var message = parseLine(line);
                        var data = await serializer.SerializeAsync(message.Value, new SerializationContext(MessageComponentType.Value, appConfig.OutputTopic));
                        producer.Produce(appConfig.OutputTopic, new Message<string, byte[]> { Key = message.Key, Value = data });
 
                        if (count++ % 1000 == 0)
                        {
                            producer.Flush();
                            Console.WriteLine($"Write ... {count} in {watch.Elapsed.TotalSeconds} seconds");
                        }
                    }
                    producer.Flush();
                }
                catch (ProduceException<Null, string> e)
                {
                    Console.WriteLine($"Line: {line}");
                    Console.WriteLine($"Delivery failed: {e.Error.Reason}");
                    System.Environment.Exit(101);
                }
        finally
        {
            producer.Flush();
           
                }
            }
        }