Я пытался понять, как написать программу flink, которая получает события из 3 тем кафки, суммирует их на сегодня, вчера и позавчера.
поэтому первый вопрос: как я могу суммировать транзакцию за 3 разных дня и извлечь их в виде файла json
Я пытался понять, как написать программу flink, которая получает события из 3 тем кафки, суммирует их на сегодня, вчера и позавчера.
поэтому первый вопрос: как я могу суммировать транзакцию за 3 разных дня и извлечь их в виде файла json
Если вы хотите читать из 3 разных тем или разделов кафки, вам нужно создать 3 источника кафки.
документация Flink о потребителе kafka
val env = StreamExecutionEnvironment.getExecutionEnvironment()
val consumer0 = new FlinkKafkaConsumer08[String](...)
val consumer1 = new FlinkKafkaConsumer08[String](...)
val consumer2 = new FlinkKafkaConsumer08[String](...)
consumer0.setStartFromGroupOffsets()
consumer1.setStartFromGroupOffsets()
consumer2.setStartFromGroupOffsets()
val stream0 = env.addSource(consumer0)
val stream1 = env.addSource(consumer1)
val stream2 = env.addSource(consumer2)
val unitedStream = stream0.union(stream1,stream2)
/* Logic to group transactions from 3 days */
/* I need more info, but it should be a Sliding or Fixed windows Keyed by the id of the transactions*/
val windowSize = 1 // number of days that the window use to group events
val windowStep = 1 // window slides 1 day
val reducedStream = unitedStream
.keyBy("transactionId") // or any field that groups transactions in the same group
.timeWindow(Time.days(windowSize),Time.days(windowStep))
.map(transaction => {
transaction.numberOfTransactions = 1
transaction
}).sum("numberOfTransactions");
val streamFormatedAsJson = reducedStream.map(functionToParseDataAsJson)
// you can use a library like GSON for this
// or a scala string template
streamFormatedAsJson.sink(yourFavoriteSinkToWriteYourData)
Если имена ваших тем можно сопоставить с регулярным выражением, вы можете создать только одного потребителя kafka следующим образом:
val env = StreamExecutionEnvironment.getExecutionEnvironment()
val consumer = new FlinkKafkaConsumer08[String](
java.util.regex.Pattern.compile("day-[1-3]"),
..., //check documentation to know how to fill this field
...) //check documentation to know how to fill this field
val stream = env.addSource(consumer)
Наиболее распространенным подходом является размещение всех транзакций в одной и той же теме kafka, а не в разных темах, в этом случае код будет более простым, потому что вам нужно использовать только окно для обработки ваших данных.
Day 1 -> 11111 -\
Day 2 -> 22222 --> 1111122222333 -> Window -> 11111 22222 333 -> reduce operation per window partition
Day 3 -> 3333 --/ |-----|-----|---|
Пример кода
val env = StreamExecutionEnvironment.getExecutionEnvironment()
val consumer = new FlinkKafkaConsumer08[String](...)
consumer.setStartFromGroupOffsets()
val stream = env.addSource(consumer)
/* Logic to group transactions from 3 days */
/* I need more info, but it should be a Sliding or Fixed windows Keyed by the id of the transactions*/
val windowSize = 1 // number of days that the window use to group events
val windowStep = 1 // window slides 1 day
val reducedStream = stream
.keyBy("transactionId") // or any field that groups transactions in the same group
.timeWindow(Time.days(windowSize),Time.days(windowStep))
.map(transaction => {
transaction.numberOfTransactions = 1
transaction
}).sum("numberOfTransactions");
val streamFormatedAsJson = reducedStream.map(functionToParseDataAsJson)
// you can use a library like GSON for this
// or a scala string template
streamFormatedAsJson.sink(yourFavoriteSinkToWriteYourData)