KTable KTable外键联接在主题具有多个分区时不生成所有消息

Question

请参阅下面的更新以显示潜在的解决方案

我们的应用程序使用2个主题作为KTables，执行左连接，并输出到一个主题。在测试过程中，我们发现当我们的输出主题只有一个分区时，这项功能可以正常工作。当我们增加分区的数量时，我们注意到生成到输出主题的消息数量减少了。

在启动应用程序之前，我们用多个分区配置测试了这一理论。使用1个分区，我们可以看到100%的消息。使用2，我们可以看到一些消息（少于50%）。对于10，我们几乎看不到任何（低于10%）。

因为我们还没有加入，所以主题1中使用的每一条消息都应该写入我们的输出主题，但我们发现这并没有发生。消息似乎被困在从Ktables的外键连接创建的“中间”主题中，但没有错误消息。

任何帮助将不胜感激！

Service.java

@Bean
public BiFunction<KTable<MyKey, MyValue>, KTable<MyOtherKey, MyOtherValue>, KStream<MyKey, MyEnrichedValue>> process() {

    return (topicOne, topicTwo) ->
            topicOne
                    .leftJoin(topicTwo,
                            value -> MyOtherKey.newBuilder()
                                    .setFieldA(value.getFieldA())
                                    .setFieldB(value.getFieldB())
                                    .build(),
                            this::enrich)
                    .toStream();
}

建筑格拉德尔

plugins {
    id 'org.springframework.boot' version '2.3.1.RELEASE'
    id 'io.spring.dependency-management' version '1.0.9.RELEASE'
    id 'com.commercehub.gradle.plugin.avro' version '0.9.1'
}

...

ext {
    set('springCloudVersion', "Hoxton.SR6")
}

...

implementation 'org.springframework.cloud:spring-cloud-stream-binder-kafka-streams'
implementation 'io.confluent:kafka-streams-avro-serde:5.5.1'

注意：我们排除了org.apache.kafka的依赖关系，因为sping-Cloud-stream中包含的版本存在错误

application.yml

spring:
  application:
    name: app-name
    stream:
      bindings:
        process-in-0:
          destination: topic1
          group: ${spring.application.name}
        process-in-1:
          destination: topic2
          group: ${spring.application.name}
        process-out-0:
          destination: outputTopic
      kafka:
        streams:
          binder:
            applicationId: ${spring.application.name}
            brokers: ${KAFKA_BROKERS}
            configuration:
              commit.interval.ms: 1000
              producer:
                acks: all
                retries: 20
              default:
                key:
                  serde: io.confluent.kafka.streams.serdes.avro.SpecificAvroSerde
                value:
                  serde: io.confluent.kafka.streams.serdes.avro.SpecificAvroSerde
            min-partition-count: 2

测试场景：

为了提供一个具体示例，如果我将以下3条消息发布到主题1：

{"fieldA": 1, "fieldB": 1},,{"fieldA": 1, "fieldB": 1}
{"fieldA": 2, "fieldB": 2},,{"fieldA": 2, "fieldB": 2}
{"fieldA": 3, "fieldB": 3},,{"fieldA": 3, "fieldB": 3}
{"fieldA": 4, "fieldB": 4},,{"fieldA": 4, "fieldB": 4}

输出主题将仅接收2条消息。

{"fieldA": 2, "fieldB": 2},,{"fieldA": 2, "fieldB": 2}
{"fieldA": 3, "fieldB": 3},,{"fieldA": 3, "fieldB": 3}

另外两个怎么了？似乎某些键/值对无法写入输出主题。重试这些“丢失”的消息也不起作用。

更新：

通过将主题1作为KStream而不是KTable来使用，并在继续执行KTable-KTable连接之前调用toTable（），我可以使其正常工作。我仍然不确定我最初的解决方案为什么不起作用，但希望这个解决方案能够对实际问题有所帮助。

@Bean
public BiFunction<KStream<MyKey, MyValue>, KTable<MyOtherKey, MyOtherValue>, KStream<MyKey, MyEnrichedValue>> process() {

    return (topicOne, topicTwo) ->
            topicOne
                    .map(...)
                    .toTable()
                    .leftJoin(topicTwo,
                            value -> MyOtherKey.newBuilder()
                                    .setFieldA(value.getFieldA())
                                    .setFieldB(value.getFieldB())
                                    .build(),
                            this::enrich)
                    .toStream();
}

Answer 1

这是一个奇怪的问题，我从未听说过有许多输出主题分区控制数据写入频率。但是我知道只有当缓存已满时，toStream（）才会将数据写入下游，所以请尝试设置cache。最大字节数。缓冲=0。此外，KTable只保留每个键的最新记录，因此如果对同一个键有多个值，则只有最新的值会保留并写入下游。

Answer 2

选择加入主题的键可能会有所帮助。主题的分区配置应该相同。

return (topicOne, topicTwo) ->
        topicOne
            .leftJoin(topicTwo,
                value -> MyOtherKey.newBuilder()
                    .setFieldA(value.getFieldA())
                    .setFieldB(value.getFieldB())
                    .build(),
                this::enrich)
            .toStream().selectKey((key, value) -> key);

Answer 3

根据对问题的描述，KTable输入主题（左）中的数据似乎没有按其键正确分区。对于单个分区主题，只有一个分区，所有数据都进入这个分区，连接结果完成。

但是，对于多分区的输入主题，您需要确保数据是按键分区的，否则，具有相同键的两个记录可能会在不同的分区中结束，从而导致连接失败（因为连接是在每个分区的基础上完成的）。

请注意，即使外键联接不要求两个输入主题都是共分区的，但仍然要求每个输入主题本身都按其键进行分区！

如果使用map（）。toTable（）您基本上会触发数据的内部重新分区，以确保数据按键进行分区，这就解决了问题。