美文网首页
Kafka核心API——Stream API

Kafka核心API——Stream API

作者: 端碗吹水 | 来源:发表于2020-05-24 23:01 被阅读0次

    Kafka Stream概念及初识高层架构图

    Kafka Stream是Apache Kafka从0.10版本引入的一个新Feature,它提供了对存储于Kafka内的数据进行流式处理和分析的功能。简而言之,Kafka Stream就是一个用来做流计算的类库,与Storm、Spark Streaming、Flink的作用类似,但要轻量得多。

    Kafka Stream的基本概念:

    • Kafka Stream是处理分析存储在Kafka数据的客户端程序库(lib)
    • 由于Kafka Streams是Kafka的一个lib,所以实现的程序不依赖单独的环境
    • Kafka Stream通过state store可以实现高效的状态操作
    • 支持原语Processor和高层抽象DSL

    Kafka Stream的高层架构图:

    image.png
    • Partition的数据会分发到不同的Task上,Task主要是用来做流式的并行处理
    • 每个Task都会有自己的state store去记录状态
    • 每个Thread里会有多个Task

    Kafka Stream 核心概念

    Kafka Stream关键词:

    • 流和流处理器:流指的是数据流,流处理器指的是数据流到某个节点时对其进行处理的单元
    • 流处理拓扑:一个拓扑图,该拓扑图展示了数据流的走向,以及流处理器的节点位置
    • 源处理器及Sink处理器:源处理器指的是数据的源头,即第一个处理器,Sink处理器则反之,是最终产出结果的一个处理器

    如下图所示:


    image.png

    Kafka Stream使用演示

    下图是Kafka Stream完整的高层架构图:

    image.png

    从上图中可以看到,Consumer对一组Partition进行消费,这组Partition可以在一个Topic中或多个Topic中。然后形成数据流,经过各个流处理器后最终通过Producer输出到一组Partition中,同样这组Partition也可以在一个Topic中或多个Topic中。这个过程就是数据流的输入和输出。

    因此,我们在使用Stream API前需要先创建两个Topic,一个作为输入,一个作为输出。到服务器上使用命令行创建两个Topic:

    [root@txy-server2 ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic input-topic
    [root@txy-server2 ~]# kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic output-topic
    

    由于之前依赖的kafka-clients包中没有Stream API,所以需要另外引入Stream的依赖包。在项目中添加如下依赖:

    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-streams</artifactId>
        <version>2.5.0</version>
    </dependency>
    

    接下来以一个经典的词频统计为例,演示一下Stream API的使用。代码示例:

    package com.zj.study.kafka.stream;
    
    import org.apache.kafka.common.serialization.Serdes;
    import org.apache.kafka.streams.KafkaStreams;
    import org.apache.kafka.streams.StreamsBuilder;
    import org.apache.kafka.streams.StreamsConfig;
    import org.apache.kafka.streams.Topology;
    import org.apache.kafka.streams.kstream.KStream;
    import org.apache.kafka.streams.kstream.KTable;
    import org.apache.kafka.streams.kstream.Produced;
    
    import java.util.List;
    import java.util.Properties;
    
    public class StreamSample {
    
        private static final String INPUT_TOPIC = "input-topic";
        private static final String OUTPUT_TOPIC = "output-topic";
    
        /**
         * 构建配置属性
         */
        public static Properties getProperties() {
            Properties properties = new Properties();
            properties.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "49.232.153.84:9092");
            properties.put(StreamsConfig.APPLICATION_ID_CONFIG, "wordcount-app");
            properties.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
            properties.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());
    
            return properties;
        }
    
        public static KafkaStreams createKafkaStreams() {
            Properties properties = getProperties();
    
            // 构建流结构拓扑
            StreamsBuilder builder = new StreamsBuilder();
            // 构建wordCount这个Processor
            wordCountStream(builder);
            Topology topology = builder.build();
    
            // 构建KafkaStreams
            return new KafkaStreams(topology, properties);
        }
    
        /**
         * 定义流计算过程
         * 例子为词频统计
         */
        public static void wordCountStream(StreamsBuilder builder) {
            // 不断的从INPUT_TOPIC上获取新的数据,并追加到流上的一个抽象对象
            KStream<String, String> source = builder.stream(INPUT_TOPIC);
            // KTable是数据集的抽象对象
            KTable<String, Long> count = source.flatMapValues(
                    // 以空格为分隔符将字符串进行拆分
                    v -> List.of(v.toLowerCase().split(" "))
                    // 按value进行分组统计
            ).groupBy((k, v) -> v).count();
    
            KStream<String, Long> sink = count.toStream();
            // 将统计结果输出到OUTPUT_TOPIC
            sink.to(OUTPUT_TOPIC, Produced.with(Serdes.String(), Serdes.Long()));
        }
    
        public static void main(String[] args) {
            KafkaStreams streams = createKafkaStreams();
            // 启动该Stream
            streams.start();
        }
    }
    

    KTableKStream的关系与区别,如下图:

    image.png
    • KTable类似于一个时间片段,在一个时间片段内输入的数据就会update进去,以这样的形式来维护这张表
    • KStream则没有update这个概念,而是不断的追加

    运行以上代码,然后到服务器中使用kafka-console-producer.sh脚本命令向input-topic生产一些数据,如下:

    [root@txy-server2 ~]# kafka-console-producer.sh --broker-list 127.0.0.1:9092 --topic input-topic
    >Hello World Java
    >Hello World Kafka
    >Hello Java Kafka
    >Hello Java
    

    然后再运行kafka-console-consumer.sh脚本命令从output-topic中消费数据,并进行打印。具体如下:

    [root@txy-server2 ~]# kafka-console-consumer.sh --bootstrap-server 172.21.0.10:9092 --topic output-topic --property print.key=true --property print.value=true --property key.deserializer=org.apache.kafka.common.serialization.StringDeserializer --property value.deserializer=org.apache.kafka.common.serialization.LongDeserializer --from-beginning
    

    控制台输出的结果:

    world   2
    hello   3
    java    2
    kafka   2
    hello   4
    java    3
    

    从输出结果中可以看到,Kafka Stream首先是对前三行语句进行了一次词频统计,所以前半段是:

    world   2
    hello   3
    java    2
    kafka   2
    

    当最后一行输入之后,又再做了一次词频统计,并针对新的统计结果进行输出,其他没有变化的则不作输出,所以最后打印了:

    hello   4
    java    3
    

    这也是KTableKStream的一个体现,从测试的结果可以看出Kafka Stream是实时进行流计算的,并且每次只会针对有变化的内容进行输出。


    foreach方法

    在之前的例子中,我们是从某个Topic读取数据进行流处理后再输出到另一个Topic里。但在一些场景下,我们可能不希望将结果数据输出到Topic,而是写入到一些存储服务中,例如ElasticSearch、MongoDB、MySQL等。

    在这种场景下,就可以利用到foreach方法,该方法用于迭代流中的元素。我们可以在foreach中将数据存入例如Map、List等容器,然后再批量写入到数据库或其他存储中间件即可。

    foreach方法使用示例:

    public static void foreachStream(StreamsBuilder builder) {
        KStream<String, String> source = builder.stream(INPUT_TOPIC);
        source.flatMapValues(
                v -> List.of(v.toLowerCase().split(" "))
        ).foreach((k, v) -> System.out.println(k + " : " + v));
    }
    

    相关文章

      网友评论

          本文标题:Kafka核心API——Stream API

          本文链接:https://www.haomeiwen.com/subject/fyisahtx.html