java - kinesis从多个分片获取数据

Question

我正在尝试构建一个从 AWS Kinesis 读取数据的简单应用程序。我已经设法使用单个分片读取数据，但我想从 4 个不同的分片获取数据。

问题是，我有一个 while 循环，只要分片处于 Activity 状态，它就会进行迭代，这会阻止我从不同分片读取数据。到目前为止，我找不到替代算法，也无法实现基于 KCL 的解决方案。非常感谢提前

public static void DoSomething() {
        AmazonKinesisClient client = new AmazonKinesisClient();
        //noinspection deprecation
        client.setEndpoint(endpoint, serviceName, regionId);  
        /** get shards from the stream using describe stream method*/

        DescribeStreamRequest describeStreamRequest = new DescribeStreamRequest();
        describeStreamRequest.setStreamName(streamName);
        List<Shard> shards = new ArrayList<>();
        String exclusiveStartShardId = null;
        do {
            describeStreamRequest.setExclusiveStartShardId(exclusiveStartShardId);
            DescribeStreamResult describeStreamResult = client.describeStream(describeStreamRequest);
            shards.addAll(describeStreamResult.getStreamDescription().getShards());
            if (describeStreamResult.getStreamDescription().getHasMoreShards() && shards.size() > 0) {
                exclusiveStartShardId = shards.get(shards.size() - 1).getShardId();
            } else {
                exclusiveStartShardId = null;
            }
        }while (exclusiveStartShardId != null);

        /** shards obtained */
        String shardIterator;

        GetShardIteratorRequest getShardIteratorRequest = new GetShardIteratorRequest();
        getShardIteratorRequest.setStreamName(streamName);
        getShardIteratorRequest.setShardId(shards.get(0).getShardId());
        getShardIteratorRequest.setShardIteratorType("LATEST"); 

        GetShardIteratorResult getShardIteratorResult = client.getShardIterator(getShardIteratorRequest);
        shardIterator = getShardIteratorResult.getShardIterator();
        GetRecordsRequest getRecordsRequest = new GetRecordsRequest();

        while (!shardIterator.equals(null)) {
            getRecordsRequest.setShardIterator(shardIterator);
            getRecordsRequest.setLimit(250);
            GetRecordsResult getRecordsResult = client.getRecords(getRecordsRequest);
            List<Record> records = getRecordsResult.getRecords();

            shardIterator = getRecordsResult.getNextShardIterator();
            if(records.size()!=0) {
                for(Record r : records) {
                    System.out.println(r.getPartitionKey());
                }
            }
            try {
                Thread.sleep(1000);
            } catch (InterruptedException e) {

            }
        }
    }

Answer 1

建议您不要从多个分片中的单个进程/工作线程中读取数据。首先，正如您所看到的，它增加了代码的复杂性，但更重要的是，您将遇到扩展问题。

可扩展性的“ secret ”是拥有小型且独立的工作人员或其他此类单位。您可以在 AWS 中的 Hadoop、DynamoDB 或 Kinesis 中看到此类设计。它允许您构建小型系统(微服务)，可以根据需要轻松扩展和缩小。随着您的服务变得更加成功，或者其使用情况发生其他波动，您可以轻松添加更多工作/数据单元。

正如您在这些 AWS 服务中所看到的，您有时可以在 DynamoDB 中自动获得这种可扩展性，有时您需要将分片添加到您的 kinesis 流中。但对于您的应用程序，您需要以某种方式控制您的可扩展性。

对于 Kinesis，您可以使用 AWS Lambda 或 Kinesis 客户端库 (KCL) 进行扩展和缩减。他们都在监听流的状态(分片和事件的数量)，并使用它来添加或删除工作人员并传递事件供他们处理。在这两种解决方案中，您都应该构建一个针对单个分片工作的工作线程。

如果您需要对齐来自多个分片的事件，您可以使用某些状态服务(例如 Redis 或 DynamoDB)来实现。