Kafka Streams實(shí)戰(zhàn)

第 一部分　開(kāi)啟Kafka Streams之旅
第　1章 歡迎來(lái)到Kafka Streams　3
1．1　大數(shù)據(jù)的發(fā)展以及它是如何改變程序設(shè)計(jì)方式的　3
1．1．1　大數(shù)據(jù)起源　4
1．1．2　MapReduce中的重要概念　5
1．1．3　批處理還不夠　7
1．2　流式處理簡(jiǎn)介　8
1．3　處理購(gòu)買(mǎi)交易　9
1．3．1　權(quán)衡流式處理的選擇　9
1．3．2　將需求解構(gòu)為圖表　10
1．4　改變看待購(gòu)買(mǎi)交易的視角　10
1．4．1　源節(jié)點(diǎn)　11
1．4．2　信用卡屏蔽節(jié)點(diǎn)　11
1．4．3　模式節(jié)點(diǎn)　11
1．4．4　獎(jiǎng)勵(lì)節(jié)點(diǎn)　12
1．4．5　存儲(chǔ)節(jié)點(diǎn)　13
1．5　Kafka Streams在購(gòu)買(mǎi)處理節(jié)點(diǎn)圖中的應(yīng)用　13
1．6　Kafka Streams在購(gòu)買(mǎi)交易流中的應(yīng)用　14
1．6．1　定義源　15
1．6．2　第 一個(gè)處理器：屏蔽信用卡號(hào)碼　15
1．6．3　第二個(gè)處理器：購(gòu)買(mǎi)模式　16
1．6．4　第三個(gè)處理器：客戶(hù)獎(jiǎng)勵(lì)　17
1．6．5　第四個(gè)處理器：寫(xiě)入購(gòu)買(mǎi)記錄　18
1．7　小結(jié)　18
第　2章 Kafka快速指南　20
2．1　數(shù)據(jù)問(wèn)題　20
2．2　使用Kafka處理數(shù)據(jù)　21
2．2．1　ZMart原始的數(shù)據(jù)平臺(tái)　21
2．2．2　一個(gè)Kafka銷(xiāo)售交易數(shù)據(jù)中心　22
2．3　Kafka架構(gòu)　23
2．3．1　Kafka是一個(gè)消息代理　23
2．3．2　Kafka是一個(gè)日志　24
2．3．3　Kafka日志工作原理　25
2．3．4　Kafka和分區(qū)　25
2．3．5　分區(qū)按鍵對(duì)數(shù)據(jù)進(jìn)行分組　26
2．3．6　編寫(xiě)自定義分區(qū)器　27
2．3．7　指定一個(gè)自定義分區(qū)器　28
2．3．8　確定恰當(dāng)?shù)姆謪^(qū)數(shù)　29
2．3．9　分布式日志　29
2．3．10　ZooKeeper：領(lǐng)導(dǎo)者、追隨者和副本　30
2．3．11　Apache ZooKeeper　31
2．3．12　選擇一個(gè)控制器　31
2．3．13　副本　31
2．3．14　控制器的職責(zé)　32
2．3．15　日志管理　33
2．3．16　日志刪除　33
2．3．17　日志壓縮　35
2．4　生產(chǎn)者發(fā)送消息　36
2．4．1　生產(chǎn)者屬性　38
2．4．2　指定分區(qū)和時(shí)間戳　39
2．4．3　指定分區(qū)　39
2．4．4　Kafka中的時(shí)間戳　40
2．5　消費(fèi)者讀取消息　40
2．5．1　管理偏移量　41
2．5．2　自動(dòng)提交偏移量　42
2．5．3　手動(dòng)提交偏移量　42
2．5．4　創(chuàng)建消費(fèi)者　43
2．5．5　消費(fèi)者和分區(qū)　43
2．5．6　再平衡　43
2．5．7　更細(xì)粒度的消費(fèi)者分配　44
2．5．8　消費(fèi)者示例　44
2．6　安裝和運(yùn)行Kafka　45
2．6．1　Kafka本地配置　45
2．6．2　運(yùn)行Kafka　46
2．6．3　發(fā)送第 一條消息　47
2．7　小結(jié)　49
第二部分　Kafka Streams開(kāi)發(fā)篇
第3章　開(kāi)發(fā)Kafka Streams　53
3．1　流式處理器API　53
3．2　Kafka Streams的Hello World　54
3．2．1　構(gòu)建“Yelling App”的拓?fù)洹?5
3．2．2　Kafka Streams配置　58
3．2．3　Serde的創(chuàng)建　59
3．3　處理客戶(hù)數(shù)據(jù)　60
3．3．1　構(gòu)建一個(gè)拓?fù)洹?1
3．3．2　創(chuàng)建一個(gè)自定義的Serde　67
3．4　交互式開(kāi)發(fā)　69
3．5　下一步　71
3．5．1　新需求　71
3．5．2　將記錄寫(xiě)入Kafka之外　76
3．6　小結(jié)　78
第4章　流和狀態(tài)　79
4．1　事件的思考　79
4．2　將狀態(tài)操作應(yīng)用到Kafka Stream　81
4．2．1　值轉(zhuǎn)換處理器　82
4．2．2　有狀態(tài)的客戶(hù)獎(jiǎng)勵(lì)　82
4．2．3　初始化值轉(zhuǎn)換器　84
4．2．4　使用狀態(tài)將Purchase對(duì)象映射為Reward Accumulator　84
4．2．5　更新獎(jiǎng)勵(lì)處理器　88
4．3　使用狀態(tài)存儲(chǔ)查找和記錄以前看到的數(shù)據(jù)　89
4．3．1　數(shù)據(jù)本地化　90
4．3．2　故障恢復(fù)和容錯(cuò)　91
4．3．3　Kafka Streams使用狀態(tài)存儲(chǔ)　91
4．3．4　其他鍵/值存儲(chǔ)供應(yīng)者　92
4．3．5　狀態(tài)存儲(chǔ)容錯(cuò)　93
4．3．6　配置變更日志主題　93
4．4　連接流以增加洞察力　94
4．4．1　設(shè)置數(shù)據(jù)　95
4．4．2　生成包含客戶(hù)ID的鍵來(lái)執(zhí)行連接　96
4．4．3　構(gòu)建連接　98
4．4．4　其他連接選項(xiàng)　102
4．5　Kafka Streams中的時(shí)間戳　104
4．5．1　自帶的時(shí)間戳提取器實(shí)現(xiàn)類(lèi)　105
4．5．2　WallclockTimestampExtractor　106
4．5．3　自定義時(shí)間戳提取器　106
4．5．4　指定一個(gè)時(shí)間戳提取器　107
4．6　小結(jié)　108
第5章　KTable API　109
5．1　流和表之間的關(guān)系　110
5．1．1　記錄流　110
5．1．2　更新記錄或變更日志　111
5．1．3　事件流與更新流對(duì)比　113
5．2　記錄更新和KTable配置　115
5．2．1　設(shè)置緩存緩沖大小　115
5．2．2　設(shè)置提交間隔　116
5．3　聚合和開(kāi)窗操作　117
5．3．1　按行業(yè)匯總股票成交量　118
5．3．2　開(kāi)窗操作　122
5．3．3　連接KStream和KTable　128
5．3．4　GlobalKTable　130
5．3．5　可查詢(xún)的狀態(tài)　133
5．4　小結(jié)　133
第6章　處理器API　135
6．1　更高階抽象與更多控制的權(quán)衡　135
6．2　使用源、處理器和接收器創(chuàng)建一個(gè)拓?fù)洹?36
6．2．1　添加一個(gè)源節(jié)點(diǎn)　136
6．2．2　添加一個(gè)處理器節(jié)點(diǎn)　137
6．2．3　增加一個(gè)接收器節(jié)點(diǎn)　140
6．3　通過(guò)股票分析處理器深入研究處理器API　141
6．3．1　股票表現(xiàn)處理器應(yīng)用程序　142
6．3．2　process()方法　145
6．3．3　punctuator執(zhí)行　147
6．4　組合處理器　148
6．5　集成處理器API和Kafka Streams API　158
6．6　小結(jié)　159
第三部分　管理Kafka Streams
第7章　監(jiān)控和性能　163
7．1　Kafka基本監(jiān)控　163
7．1．1　測(cè)評(píng)消費(fèi)者和生產(chǎn)者性能　164
7．1．2　檢查消費(fèi)滯后　165
7．1．3　攔截生產(chǎn)者和消費(fèi)者　166
7．2　應(yīng)用程序指標(biāo)　169
7．2．1　指標(biāo)配置　171
7．2．2　如何連接到收集到的指標(biāo)　172
7．2．3　使用JMX　172
7．2．4　查看指標(biāo)　176
7．3　更多Kafka Streams調(diào)試技術(shù)　177
7．3．1　查看應(yīng)用程序的表現(xiàn)形式　177
7．3．2　獲取應(yīng)用程序各種狀態(tài)的通知　178
7．3．3　使用狀態(tài)監(jiān)聽(tīng)器　179
7．3．4　狀態(tài)恢復(fù)監(jiān)聽(tīng)器　181
7．3．5　未捕獲的異常處理器　184
7．4　小結(jié)　184
第8章　測(cè)試Kafka Streams應(yīng)用程序　185
8．1　測(cè)試拓?fù)洹?86
8．1．1　構(gòu)建測(cè)試用例　188
8．1．2　測(cè)試拓?fù)渲械臓顟B(tài)存儲(chǔ)　190
8．1．3　測(cè)試處理器和轉(zhuǎn)換器　191
8．2　集成測(cè)試　193
8．3　小結(jié)　199
第四部分　Kafka Streams進(jìn)階
第9章　Kafka Streams的高級(jí)應(yīng)用　203
9．1　將Kafka與其他數(shù)據(jù)源集成　204
9．1．1　使用Kafka Connect集成數(shù)據(jù)　205
9．1．2　配置Kafka Connect　205
9．1．3　轉(zhuǎn)換數(shù)據(jù)　207
9．2　替代數(shù)據(jù)庫(kù)　211
9．2．1　交互式查詢(xún)的工作原理　213
9．2．2　分配狀態(tài)存儲(chǔ)　213
9．2．3　創(chuàng)建和查找分布式狀態(tài)存儲(chǔ)　215
9．2．4　編寫(xiě)交互式查詢(xún)　216
9．2．5　查詢(xún)服務(wù)器內(nèi)部　218
9．3　KSQL　221
9．3．1　KSQL流和表　222
9．3．2　KSQL架構(gòu)　222
9．3．3　安裝和運(yùn)行KSQL　224
9．3．4　創(chuàng)建一個(gè)KSQL流　224
9．3．5　編寫(xiě)KSQL查詢(xún)　226
9．3．6　創(chuàng)建一張KSQL表　227
9．3．7　配置KSQL　227
9．4　小結(jié)　228
附錄A　額外的配置信息　229
附錄B　精確一次處理語(yǔ)義　234