apache-kafka - 使用选择键和转换在 DSL 拓扑上进行流重新分区

Question

我觉得我可能遗漏了一些非常基本的东西，但我还是会问的。

有多个分区的输入主题。我将 selectKey 用作 DSL 拓扑的一部分。 selectKey 始终返回相同的值。我的期望是，在由 selectKey() 触发的内部重新分区之后，拓扑中的下一个处理器将在同一分区上为同一键调用。然而，下一个处理器 transform() 会在不同的分区上针对相同的键调用。

拓扑:

    Topology buildTopology() {
        final StreamsBuilder builder = new StreamsBuilder();


        builder
            .stream("in-topic", Consumed.with(Serdes.String(), new JsonSerde<>(CatalogEvent.class)))
            .selectKey((k,v) -> "key")
            .transform(() -> new Processor())
            .print();

        return builder.build();
    }

transform 使用的处理器类

public class Processor implements Transformer<String, CatalogEvent, KeyValue<String, DispEvent>> {

    private ProcessorContext context;

    @Override
    public void init(ProcessorContext context) {
        this.context = context;
    }

    @Override
    public KeyValue<String, DispEvent> transform(String key, CatalogEvent catalogEvent) {
        System.out.println("key:" + key + " partition:" + context.partition());
        return null;
    }

    @Override
    public KeyValue<String, DispatcherEvent> punctuate(long timestamp) {
        // TODO Auto-generated method stub
        return null;
    }

    @Override
    public void close() {
        // TODO Auto-generated method stub

    }
}

“in-topic”有两条以随机 UUID 作为键的消息，即“8f45e552-8886-4781-bb0c-79ca98f9d927”、“a794ed2a-6f7d-4522-a7ac-27c51a64fa28”，两条消息的有效载荷相同

Processor::transform 对两个 UUID 的输出是

key:key partition: 2
key:key partition: 0

我如何更改拓扑以确保具有相同 key 的消息将到达同一分区 - 我需要它来确保具有相同 key 的消息将转到相同的本地 Kafka 存储实例(用于插入或更新)。

Answer 1

process() 和 [flat]transform[Values]() 没有自动重新分区。您将需要插入手动 repartition()(或旧版本中的 through())调用以重新分区数据。如果您比较 JavaDocs(与支持自动重新分区的 groupBy() 或 join())，您会发现它们没有提到自动重新分区。

原因是，这三个方法是处理器 API 集成到 DSL 中的一部分，因此没有 DSL 运算符。它们的语义是未知的，因此我们无法判断它们是否需要重新分区，如果 key 已更改。为避免不必要的重新分区，不执行自动重新分区。

还有对应的Jira:https://issues.apache.org/jira/browse/KAFKA-7608