我产生的数据如下:
Key: "Mike", value: {"amount":46,"time":"2021-11-05T07:53:32.005751Z"}
Key: "John", value: {"amount":46,"time":"2021-11-05T07:53:32.005751Z"}
Key: "Mike", value: {"amount":50,"time":"2021-11-05T07:53:32.005751Z"}
关键字是字符串(名称如爱丽丝,约翰...).例如,我需要在结果:
{"Mike": 2}
{"John": 1}
或
{"key":"Mike", "count": 2}
{"key":"John", "count": 1}
我接着试了试:
public Topology createTopology(){
StreamsBuilder builder = new StreamsBuilder();
// json Serde
final Serializer<JsonNode> jsonSerializer = new JsonSerializer();
final Deserializer<JsonNode> jsonDeserializer = new JsonDeserializer();
final Serde<JsonNode> jsonSerde = Serdes.serdeFrom(jsonSerializer, jsonDeserializer);
KStream<String, JsonNode> textLines = builder.stream("bank-transactions", Consumed.with(Serdes.String(), jsonSerde));
KTable<String, Long> wordCounts = textLines
.map((k, v) -> new KeyValue<>(k, v.get("amount").asInt()))
.groupByKey(Serialized.with(Serdes.String(), Serdes.Integer()))
.count();
wordCounts.toStream().to("person-transaction-frequency", Produced.with(Serdes.String(), Serdes.Long()));
return builder.build();
}
public static void main(String[] args) {
Properties config = new Properties();
config.put(StreamsConfig.APPLICATION_ID_CONFIG, "bank-favorite-amount-application");
config.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:29092");
config.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest");
config.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());
config.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());
Mc4CalculateFavoriteAmount wordCountApp = new Mc4CalculateFavoriteAmount();
KafkaStreams streams = new KafkaStreams(wordCountApp.createTopology(), config);
streams.start();
// shutdown hook to correctly close the streams application
Runtime.getRuntime().addShutdownHook(new Thread(streams::close));
}
我正试着用名字来计算消息。但是我在主题中得到了人工制品:
2条答案
按热度按时间ctehm74n1#
如果您只是想计算键数,那么可以丢弃整个值,并将其替换为
1
,表示所看到的每个键。l3zydbqr2#
您可以根据您的用例修改这个official Confluent Example。这个示例与您所问的非常相似。
为了进一步解释这一点,您需要创建一个流应用程序,在其中将数据从主题读入
KStream
。您还没有提供有关键的信息。在Confluent示例中,记录是使用map()
方法显式重新分区的。为每条记录创建一个新的KeyValue
示例(你可以用amount
作为键),然后事件按键分组并计数。