使用fastavro从Kafka反序列化Avro

Question

我正在构建一个从Kafka接收数据的应用程序。当使用Apache ( https://pypi.org/project/avro-python3/ )提供的标准avro库时，结果是正确的，但是，反序列化过程非常慢。

class KafkaReceiver:
    data = {}

    def __init__(self, bootstrap='192.168.1.111:9092'):
        self.client = KafkaConsumer(
            'topic',
            bootstrap_servers=bootstrap,
            client_id='app',
            api_version=(0, 10, 1)
        )
        self.schema = avro.schema.parse(open("Schema.avsc", "rb").read())
        self.reader = avro.io.DatumReader(self.schema)

    def do(self):
        for msg in self.client:
            bytes_reader = io.BytesIO(msg.value)
            decoder = BinaryDecoder(bytes_reader)

            self.data = self.reader.read(decoder)

在阅读为什么它这么慢的时候，我发现了fastavro，它应该快得多。我是这样使用的：

    def do(self):

        schema = fastavro.schema.load_schema('Schema.avsc')
        for msg in self.client:
            bytes_reader = io.BytesIO(msg.value)
            bytes_reader.seek(0)
            for record in reader(bytes_reader, schema):
                self.data = record

而且，由于使用Apache的librabry时一切正常，所以我希望使用fastavro时一切都会以相同的方式工作。然而，在运行这段代码时，我得到了

  File "fastavro/_read.pyx", line 389, in fastavro._read.read_map
  File "fastavro/_read.pyx", line 290, in fastavro._read.read_utf8
  File "fastavro/_six.pyx", line 22, in fastavro._six.py3_btou
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xfc in position 3: invalid start byte

我通常不用Python编程，所以我不知道如何处理这个问题。有什么想法吗？

Answer 1

fastavro.reader需要包含标头的avro文件格式。看起来您拥有的是一个没有头的序列化记录。我想你也许可以使用fastavro.schemaless_reader来阅读这篇文章。

因此，不是：

for record in reader(bytes_reader, schema):
    self.data = record

你会这样做：

self.data = schemaless_reader(bytes_reader, schema)