RocketMQ Streams 1.1.0: 轻量级流处理再出发

news2026/5/3 18:43:47
本文作者倪泽Apache RocketMQ committer、RSQLDB/RocketMQ Streams Maintainer01 背景RocketMQ Streams是一款基于RocketMQ为基础的轻量级流计算引擎具有资源消耗少、部署简单、功能全面的特点目前已经在社区开源。RocketMQ Streams在阿里云内部被使用在对资源比较敏感同时又强烈需要流计算的场景比如在自建机房的云安全场景下。自RocketMQ Streams开源以来吸引了大量用户调研和试用。但是也存在一些问题在RocketMQ Streams 1.1.0中主要针对以下问题做出了改进和优化。1、面向用户API不够友好不能使用泛型不支持自定义序列化/反序列化2、代码冗余在RocketMQ Streams中存在将流处理拓扑序列化反序列化模块RocketMQ Streams作为轻量级流处理SDK构建好流处理节点之后应该可以直接处理数据不存在将流处理拓扑图本地保存或者网络传输需求。3、流处理过程不容易理解含有大量缓存、刷新逻辑4、存在大量支持SQL的代码这部分和SDK方式运行流处理任务的逻辑无关在RocketMQ Streams 1.1.0中对上述问题做出了改进期望能带来更好的使用体验。同时重新设计了流处理拓扑构建过程、去掉冗余代码使得代码更容易被理解。从今天起将推出系列文章介绍RocketMQ Streams 1.1.0版本本次文章主要介绍RocketMQ Streams 1.1.0的API如何使用如何利用RocketMQ Streams快速构建流处理应用。02 典型使用示例本地运行下列示例的步骤1、部署RocketMQ 5.02、使用mqAdmin创建topic3、构建示例工程添加依赖启动示例。RocketMQ Streams 坐标dependency groupIdorg.apache.rocketmq/groupId artifactIdrocketmq-streams/artifactId version1.1.0/version /dependency4、向topic中写入相应数据并观察结果。更详细文档请参考https://github.com/apache/roc...WordCountpublic class WordCount { public static void main(String[] args) { StreamBuilder builder new StreamBuilder(wordCount); builder.source(sourceTopic, total - { String value new String(total, StandardCharsets.UTF_8); return new Pair(null, value); }) .flatMap((ValueMapperActionString, ListString) value - { String[] splits value.toLowerCase().split(\W); return Arrays.asList(splits); }) .keyBy(value - value) .count() .toRStream() .print(); TopologyBuilder topologyBuilder builder.build(); Properties properties new Properties(); properties.put(MixAll.NAMESRV_ADDR_PROPERTY, 127.0.0.1:9876); RocketMQStream rocketMQStream new RocketMQStream(topologyBuilder, properties); final CountDownLatch latch new CountDownLatch(1); Runtime.getRuntime().addShutdownHook(new Thread(wordcount-shutdown-hook) { Override public void run() { rocketMQStream.stop(); latch.countDown(); } }); try { rocketMQStream.start(); latch.await(); } catch (final Throwable e) { System.exit(1); } System.exit(0); } }WordCount示例要点1、JobId wordCount唯一标识流处理任务2、自定义的反序列化3、一对多转化4、lambda形式从数据中指定Key5、支持有状态计算窗口聚合public class WindowCount { public static void main(String[] args) { StreamBuilder builder new StreamBuilder(windowCountUser); AggregateActionString, User, Num aggregateAction (key, value, accumulator) - new Num(value.getName(), 100); builder.source(user, source - { User user1 JSON.parseObject(source, User.class); return new Pair(null, user1); }) .selectTimestamp(User::getTimestamp) .filter(value - value.getAge() 0) .keyBy(value - key) .window(WindowBuilder.tumblingWindow(Time.seconds(15))) .aggregate(aggregateAction) .toRStream() .print(); TopologyBuilder topologyBuilder builder.build(); Properties properties new Properties(); properties.putIfAbsent(MixAll.NAMESRV_ADDR_PROPERTY, 127.0.0.1:9876); properties.put(Constant.TIME_TYPE, TimeType.EVENT_TIME); properties.put(Constant.ALLOW_LATENESS_MILLISECOND, 2000); RocketMQStream rocketMQStream new RocketMQStream(topologyBuilder, properties); rocketMQStream.start(); } }窗口聚合示例要点1、支持指定时间字段2、支持滑动、滚动、会话多种类型window3、支持自定义UDAF类型聚合4、支持自定义时间类型和数据最大迟到时间双流JOINpublic class JoinWindow { public static void main(String[] args) { StreamBuilder builder new StreamBuilder(joinWindow); //左流 RStreamUser user builder.source(user, total - { User user1 JSON.parseObject(total, User.class); return new Pair(null, user1); }); //右流 RStreamNum num builder.source(num, source - { Num user12 JSON.parseObject(source, Num.class); return new Pair(null, user12); }); //自定义join后的运算 ValueJoinActionUser, Num, Union action new ValueJoinActionUser, Num, Union() { Override public Union apply(User value1, Num value2) { ... } }; user.join(num) .where(User::getName) .equalTo(Num::getName) .window(WindowBuilder.tumblingWindow(Time.seconds(30))) .apply(action) .print(); TopologyBuilder topologyBuilder builder.build(); Properties properties new Properties(); properties.put(MixAll.NAMESRV_ADDR_PROPERTY, 127.0.0.1:9876); RocketMQStream rocketMQStream new RocketMQStream(topologyBuilder, properties); rocketMQStream.start(); } }双流聚合示例要点1、支持window join和非window join对于非window join只需要在上述及连表达式中去掉window即可2、支持多种窗口类型的window join3、支持对join后数据自定义操作03 参与贡献RocketMQ Streams是Apache RocketMQ的子项目已经在社区开源参与RocketMQ Streams相关工作请参考以下资源1、试用RocketMQ Streams并阅读相关文档以了解更多信息maven仓库坐标dependency groupIdorg.apache.rocketmq/groupId artifactIdrocketmq-streams/artifactId version1.1.0/version /dependencyRocketMQ Streams文档https://rocketmq.apache.org/z...2、参与贡献如果你有任何功能请求或错误报告请随时提交 Pull Request 来分享你的反馈和想法社区仓库https://github.com/apache/roc...3、联系我们可以在 GitHub上创建 Issue向 RocketMQ 邮件列表发送电子邮件或在 RocketMQ Streams SIG 交流群与专家共同探讨RocketMQ Streams SIG加入方式添加“小火箭”微信回复RocketMQ Streams。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2579136.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…