连接写入KTable:如何将连接与ktable写入同步？

Question

对于以下拓扑的行为，我有一些问题：

String topic = config.topic();

KTable<UUID, MyData> myTable = topology.builder().table(UUIDSerdes.get(), GsonSerdes.get(MyData.class), topic);

// Receive a stream of various events
topology.eventsStream()
    // Only process events that are implementing MyEvent
    .filter((k, v) -> v instanceof MyEvent)
    // Cast to ease the code
    .mapValues(v -> (MyEvent) v)
    // rekey by data id
    .selectKey((k, v) -> v.data.id)
    .peek((k, v) -> L.info("Event:"+v.action))
    // join the event with the according entry in the KTable and apply the state mutation
    .leftJoin(myTable, eventHandler::handleEvent, UUIDSerdes.get(), EventSerdes.get())
    .peek((k, v) -> L.info("Updated:" + v.id + "-" + v.id2))
    // write the updated state to the KTable.
    .to(UUIDSerdes.get(), GsonSerdes.get(MyData.class), topic);

我的问题发生在我同时收到不同的事件时。因为我的状态突变是由leftJoin完成的，然后由to方法编写。如果使用相同的密钥同时接收到事件1和2，则可以发生以下情况：

event1 joins with state A => state A mutated to state X
event2 joins with state A => state A mutated to state Y
state X written to the KTable topic
state Y written to the KTable topic

正因为如此，状态Y没有来自event1的更改，所以我丢失了数据。

下面是我所看到的日志( Processing:...部件是从值合并器中记录的)：

Event:Event1
Event:Event2
Processing:Event1, State:none
Updated:1-null
Processing:Event2, State:none
java.lang.IllegalStateException: Event2 event received but we don't have data for id 1

可以将Event1视为创建事件:它将在KTable中创建条目，因此状态是否为空并不重要。尽管Event2需要将它的更改应用到现有状态，但是它没有找到任何更改，因为第一个状态突变仍然没有写入到KTable (它仍然没有被to方法处理)

无论如何，是为了确保我的leftJoin和写入ktable的操作都是原子化的?。

谢谢

更新与当前解决方案

由于@Matthias的响应，我找到了一个使用Transformer的解决方案。

代码如下所示：

那是变压器

public class KStreamStateLeftJoin<K, V1, V2> implements Transformer<K, V1, KeyValue<K, V2>> {

    private final String                    stateName;
    private final ValueJoiner<V1, V2, V2>   joiner;
    private final boolean                   updateState;

    private KeyValueStore<K, V2>            state;

    public KStreamStateLeftJoin(String stateName, ValueJoiner<V1, V2, V2> joiner, boolean updateState) {
        this.stateName = stateName;
        this.joiner = joiner;
        this.updateState = updateState;
    }

    @Override
    @SuppressWarnings("unchecked")
    public void init(ProcessorContext context) {
        this.state = (KeyValueStore<K, V2>) context.getStateStore(stateName);
    }

    @Override
    public KeyValue<K, V2> transform(K key, V1 value) {
        V2 stateValue = this.state.get(key); // Get current state
        V2 updatedValue = joiner.apply(value, stateValue); // Apply join
        if (updateState) {
            this.state.put(key, updatedValue); // write new state
        }
        return new KeyValue<>(key, updatedValue);
    }

    @Override
    public KeyValue<K, V2> punctuate(long timestamp) {
        return null;
    }

    @Override
    public void close() {}
}

以下是经过调整的拓扑结构：

String topic = config.topic();
String store = topic + "-store";

KTable<UUID, MyData> myTable = topology.builder().table(UUIDSerdes.get(), GsonSerdes.get(MyData.class), topic, store);

// Receive a stream of various events
topology.eventsStream()
    // Only process events that are implementing MyEvent
    .filter((k, v) -> v instanceof MyEvent)
    // Cast to ease the code
    .mapValues(v -> (MyEvent) v)
    // rekey by data id
    .selectKey((k, v) -> v.data.id)
    // join the event with the according entry in the KTable and apply the state mutation
    .transform(() -> new KStreamStateLeftJoin<UUID, MyEvent, MyData>(store, eventHandler::handleEvent, true), store)
    // write the updated state to the KTable.
    .to(UUIDSerdes.get(), GsonSerdes.get(MyData.class), topic);

当我们使用KTable的KV StateStore并通过put方法直接在其中应用更改时，事件应该总是获取更新的状态。有一件事我仍然在想:如果我有一个持续的高吞吐量的事件。

，我们在KTable的KV存储上所做的操作与KTable的主题中所完成的写操作之间是否还存在竞争条件?

Answer 1

一个KTable被分成多个物理存储，每个存储仅由一个线程更新。因此，您描述的场景不可能发生。如果有两个具有相同时间戳的记录，它们都更新相同的碎片，它们将被一个接一个地处理(按偏移顺序)。因此，第二次更新将看到第一次更新之后的状态。

所以也许你只是描述了你的场景不对？

更新

您不能在执行联接时改变状态。因此，期望

event1 joins with state A => state A mutated to state X

是错的。与任何处理顺序无关，当event1与state A连接时，它将以只读模式访问state A，并且不会修改state A。

因此，当event2加入时，它将看到与event1相同的状态。对于流表联接，只有在从表输入主题读取新数据时才更新表状态。

如果希望从两个输入中更新共享状态，则需要使用transform()构建自定义解决方案。

builder.addStore(..., "store-name");
builder.stream("table-topic").transform(..., "store-name"); // will not emit anything downstream
KStream result = builder.stream("stream-topic").transform(..., "store-name");

这将创建一个由两个处理器共享的存储，并且两者都可以根据自己的意愿进行读写。因此，对于表输入，您可以只更新状态而不向下游发送任何内容，而对于流输入，您可以执行连接、更新状态并向下游发送结果。

更新2

关于解决方案，在Transformer应用于状态并在状态更新后记录Transformer进程的更新之间将不存在争用条件。此部分将在单个线程中执行，记录将按输入主题的偏移顺序处理。因此，可以确保状态更新可供以后的记录使用。