做的比较早的海淘网站,福田庆三价格,ps免费素材网站有哪些,js制作网页计算器本文接kafka三#xff0c;代码实践kafkaStream的应用#xff0c;用来完成流式计算。
kafkastream 关于流式计算也就是实时处理#xff0c;无时间概念边界的处理一些数据。想要更有性价比地和java程序进行结合#xff0c;因此了解了kafka。但是本人阅读了kafka地官网#…本文接kafka三代码实践kafkaStream的应用用来完成流式计算。
kafkastream 关于流式计算也就是实时处理无时间概念边界的处理一些数据。想要更有性价比地和java程序进行结合因此了解了kafka。但是本人阅读了kafka地官网觉得可阅读性并不是很高当然是个人认为就是界面做的就不是很舒服。 简介
简介一下kafkaStream
Kafka Stream的特点 Kafka Stream提供了一个非常简单而轻量的Library它可以非常方便地嵌入任意Java应用中也可以任意方式打包和部署 除了Kafka外无任何外部依赖 充分利用Kafka分区机制实现水平扩展和顺序性保证想要保证消息有序性就要设置一个分区 通过可容错的state store实现高效的状态操作如windowed join和aggregation 支持正好一次处理语义 提供记录级的处理能力从而实现毫秒级的低延迟 支持基于事件时间的窗口操作并且可处理晚到的数据late arrival of records 同时提供底层的处理原语Processor类似于Storm的spout和bolt以及高层抽象的DSL类似于Spark的map/group/reduce
关键概念 源处理器Source Processor源处理器是一个没有任何上游处理器的特殊类型的流处理器。它从一个或多个kafka主题生成输入流。通过消费这些主题的消息并将它们转发到下游处理器。 Sink处理器sink处理器是一个没有下游流处理器的特殊类型的流处理器。它接收上游流处理器的消息发送到一个指定的Kafka主题。 Kstream
1数据结构类似于map,key-value键值对
KStream数据流data stream即是一段顺序的可以无限长不断更新的数据集。 数据流中比较常记录的是事件这些事件可以是一次鼠标点击click一次交易或是传感器记录的位置数据。
KStream负责抽象的就是数据流。与Kafka自身topic中的数据一样类似日志每一次操作都是向其中插入insert新数据。
为了说明这一点让我们想象一下以下两个数据记录正在发送到流中
“ alice”1-“” alice“3
如果流处理应用是要总结每个用户的价值它将返回alice4。因为第二条数据记录不会覆盖第一条而是做了一个insert累加。
代码实现
依赖 !-- kafkfa --dependencygroupIdorg.springframework.kafka/groupIdartifactIdspring-kafka/artifactIdexclusionsexclusiongroupIdorg.apache.kafka/groupIdartifactIdkafka-clients/artifactId/exclusion/exclusions/dependencydependencygroupIdorg.apache.kafka/groupIdartifactIdkafka-clients/artifactId/dependencydependencygroupIdcom.alibaba/groupIdartifactIdfastjson/artifactId/dependencydependencygroupIdorg.apache.kafka/groupIdartifactIdkafka-streams/artifactIdexclusionsexclusionartifactIdconnect-json/artifactIdgroupIdorg.apache.kafka/groupId/exclusionexclusiongroupIdorg.apache.kafka/groupIdartifactIdkafka-clients/artifactId/exclusion/exclusions/dependencykafkaStream配置类
需要在nacos的配置里面配置hosts属性和group本地等怎么配置都可以只要能读取到就行。 /*** 通过重新注册KafkaStreamsConfiguration对象设置自定配置参数*/Setter
Getter
Configuration
EnableKafkaStreams
ConfigurationProperties(prefixkafka)
public class KafkaStreamConfig {private static final int MAX_MESSAGE_SIZE 16* 1024 * 1024;private String hosts;private String group;Bean(name KafkaStreamsDefaultConfiguration.DEFAULT_STREAMS_CONFIG_BEAN_NAME)public KafkaStreamsConfiguration defaultKafkaStreamsConfig() {MapString, Object props new HashMap();props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, hosts);props.put(StreamsConfig.APPLICATION_ID_CONFIG, this.getGroup()_stream_aid);props.put(StreamsConfig.CLIENT_ID_CONFIG, this.getGroup()_stream_cid);props.put(StreamsConfig.RETRIES_CONFIG, 10);props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());return new KafkaStreamsConfiguration(props);}
}
这里生产者和消费者我就不再举例子了直接举中间这个stream怎么写。 stream需要知道是谁发的所以生产者和stream需要绑定一个相同的主题而stream需要知道要给谁发送过去消费者知道是谁发的所以stream和消费者又有一个相同的主题。
streamhandler代码
具体的每一行代码的含义结合个人理解都在注释里面。
package com.neu.article.stream;import com.alibaba.fastjson.JSON;import com.neu.base.constants.HotArticleConstants;
import com.neu.base.model.mess.ArticleVisitStreamMess;
import com.neu.base.model.mess.UpdateArticleMess;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.apache.kafka.streams.KeyValue;
import org.apache.kafka.streams.StreamsBuilder;
import org.apache.kafka.streams.kstream.*;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;import java.time.Duration;Configuration
Slf4j
public class HotArticleStreamHandler {Beanpublic KStreamString,String kStream(StreamsBuilder streamsBuilder){//接收消息KStreamString,String stream streamsBuilder.stream(HotArticleConstants.HOT_ARTICLE_SCORE_TOPIC);//聚合流式处理stream.map((key,value)-{UpdateArticleMess mess JSON.parseObject(value, UpdateArticleMess.class);//重置消息的key:1234343434文章id 和 value: likes:1 当前文章点赞一次//mess.getType().name():用于区分是点赞还是阅读 mess.getAdd():用于区分是加1还是减1return new KeyValue(mess.getArticleId().toString(),mess.getType().name():mess.getAdd());})//按照文章id进行聚合.groupBy((key,value)-key)//时间窗口.windowedBy(TimeWindows.of(Duration.ofSeconds(10)))/*** 自行的完成聚合的计算*/.aggregate(new InitializerString() {/*** 初始方法返回值是消息的value-aggValue聚合之后的value* return*/Overridepublic String apply() {return COLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0;}/*** 真正的聚合操作返回值是消息的value*/}, new AggregatorString, String, String() {/**** param key 消息的key mess.getArticleId().toString()* param value 消息的value likes:1* param aggValue 初始化消息聚合后的一个值 COLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0* return*/Overridepublic String apply(String key, String value, String aggValue) {System.out.println(value);if(StringUtils.isBlank(value)){return aggValue;}String[] aggAry aggValue.split(,);int col 0,com0,lik0,vie0;for (String agg : aggAry) {//agg遍历第一次的时候最开始为 COLLECTION:0String[] split agg.split(:);//split[0] COLLECTION split[1] 0/*** 获得初始值也是时间窗口内计算之后的值*/switch (UpdateArticleMess.UpdateArticleType.valueOf(split[0])){case COLLECTION:col Integer.parseInt(split[1]);break;case COMMENT:com Integer.parseInt(split[1]);break;case LIKES:lik Integer.parseInt(split[1]);break;case VIEWS:vie Integer.parseInt(split[1]);break;}}/*** 累加操作 likes:1*/String[] valAry value.split(:);//valAry[0] likes valAry[1] 1switch (UpdateArticleMess.UpdateArticleType.valueOf(valAry[0])){case COLLECTION:col Integer.parseInt(valAry[1]);break;case COMMENT:com Integer.parseInt(valAry[1]);break;case LIKES:lik Integer.parseInt(valAry[1]);break;case VIEWS:vie Integer.parseInt(valAry[1]);break;}//返回值是有要求的必须与初始化apply方法的返回值形式一致String formatStr String.format(COLLECTION:%d,COMMENT:%d,LIKES:%d,VIEWS:%d, col, com, lik, vie);System.out.println(文章的id:key);System.out.println(当前时间窗口内的消息处理结果formatStr);return formatStr;}//Materialized.as(hot-atricle-stream-count-001)用于指定六十处理的状态字符串可以随便给多个流处理的话不重复就行}, Materialized.as(hot-atricle-stream-count-001)).toStream().map((key,value)-{//key.key().toString()文章idvalueCOLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0return new KeyValue(key.key().toString(),formatObj(key.key().toString(),value));})//发送消息.to(HotArticleConstants.HOT_ARTICLE_INCR_HANDLE_TOPIC);return stream;}/*** 格式化消息的value数据* param articleId* param value* return*/public String formatObj(String articleId,String value){ArticleVisitStreamMess mess new ArticleVisitStreamMess();mess.setArticleId(Long.valueOf(articleId));//COLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0String[] valAry value.split(,);for (String val : valAry) {String[] split val.split(:);switch (UpdateArticleMess.UpdateArticleType.valueOf(split[0])){case COLLECTION:mess.setCollect(Integer.parseInt(split[1]));break;case COMMENT:mess.setComment(Integer.parseInt(split[1]));break;case LIKES:mess.setLike(Integer.parseInt(split[1]));break;case VIEWS:mess.setView(Integer.parseInt(split[1]));break;}}log.info(聚合消息处理之后的结果为:{},JSON.toJSONString(mess));return JSON.toJSONString(mess);}
}
