RocketMQ Streams详解

一、RocketMQ Streams 概览

RocketMQ Streams是基于RocketMQ的轻量级流计算引擎。能以SDK方式被应用依赖，无须部署复杂的流计算服务端即可获得流计算能力。 因此具有资源消耗少、扩展性好、支持流计算算子丰富的特点。

1、整体架构?

数据从RocketMQ中被RocketMQ-streams消费，经过处理最终被写回到RocketMQ。

数据被RocketMQ Consumer消费，进入处理拓扑被算子处理，如果流处理任务中含有算子keyBy，则需要将数据按照Key进行分组，将分组数据写入shuffle topic。后续算子从 shuffle topic消费。如果还涉及count之类有状态算子，那么计算时需要读写state topic，计算结束后，将结果写回到RocketMQ中。

2、消费模型?

计算实例实质上是依赖了Rocket-streams SDK的client，因此，计算实例消费的MQ依赖RocketMQ rebalance分配， 计算实例总个数也不能大于消费总MQ个数，否则将有部分计算实例处于等待状态，消费不到数据。

一个计算实例可以消费多个MQ，一个实例内也只有一张计算拓扑图。

3、状态?

对于有状态算子，比如count，需要先对count算子进行分组，然后才能求和。分组算子keyBy会将数据按照分组的key重新写回RocketMQ，并且使相同key写入同一分区（这一过程称作shuffle）， 保证这个含有相同key的数据被同一个消费者消费。 状态本地依赖RocksDB加速读取，远程依赖RocketMQ做持久化。

4、扩缩容?

当计算实例从3个缩容到2个，借助于RocketMQ集群消费模式下的rebalance功能，被消费的分片MQ会在计算实例之间重新分配。Instance1上消费的MQ2和MQ3被分配到Instance2和Instance3上， 这两个MQ的状态数据也需要迁移到Instance2和Instance3上，这也暗示，状态数据是根据源数据分片MQ保存的；扩容则是刚好相反的过程。

二、RocketMQ Streams 核心概念

1、领域模型?

StreamBuilder?

• 一个StreamBuilder实例，有1到N个pipeline，pipeline表示一个数据处理路径；
• 一个pipeline可以含有1到N个处理节点GroupNode；
• 一个StreamBuilder实例，有一个TopologyBuilder，TopologyBuilder可构建出数据处理器processor；
• 一个JobId对应一个StreamBuilder实例。

RocketMQStream?

• 一个RocketMQStream实例，有一个拓扑构建器TopologyBuilder；
• 一个RocketMQStream实例，可实例化1到N个worker线程;
• 每个线程WorkerThread实例，包含一个engine；
• 一个engine包含执行数据处理的所有逻辑，包含一个consumer实例、一个producer实例、一个StateStore实例;

流处理实例?

流处理实例表示一个运行RocketMQ Streams的进程；

• 一个流处理实例包含一个StreamBuilder，一个RocketMQStream，一个拓扑图，一到多个pipeline；

2、StreamBuilder?

• StreamBuilder(jobId)?构建实例；
• <OUT> RStream<OUT> source(topicName, deserializer)?定义source topic 和反序列化方式；

3、RStream?

• <K> GroupedStream<K, T> keyBy(selectAction)?按照特定字段分组；
• <O> RStream<O> map(mapperAction)?对数据进行一对一转化；
• RStream<T> filter(predictor)?对数据进行过滤
• <VR> RStream<T> flatMap(mapper)对数据进行一对多转化；
• <T2> JoinedStream<T, T2> join(rightStream)?双流Join；
• sink(topicName, serializer)?将结果输出到特定topic；

3、GroupedStream?

对含有相同Key的数据进行操作

• <OUT> GroupedStream<K, Integer> count(selectAction)?统计含有某个字段数据的个数；
• GroupedStream<K, V> min(selectAction)?对某个字段统计最小值；
• GroupedStream<K, V> max(selectAction)?对某个字段统计最大值；
• GroupedStream<K, ? extends Number> sum(selectAction)?对某个字段统计和；
• GroupedStream<K, V> filter(predictor)?对某个字段进行过滤；
• <OUT> GroupedStream<K, OUT> map(valueMapperAction)?对数据进行一对一转化；
• <OUT> GroupedStream<K, OUT> aggregate(accumulator)?对数据进行聚合操作，且聚合支持二阶聚合，例如在窗口未触发时添加数据，在窗口触发时计算结果这类算子；
• WindowStream<K, V> window(windowInfo)?对窗口划定window；
• GroupedStream<K, V> addGraphNode(name, supplier)?底层接口，向流处理拓扑中增加自定义算子；
• RStream<V> toRStream()?转化为RStream，只是在接口形式上转化，对数据无任何操作；
• sink(topicName, serializer)?按照自定义序列化形式将结果写出到topic；

4、WindowStream?

对被划分window的数据进行操作

• WindowStream<K, Integer> count()?统计窗口内数据个数；
• WindowStream<K, V> filter(predictor)?过滤窗口内数据；
• <OUT> WindowStream<K, OUT> map(mapperAction)?对窗口内数据一对一转化；
• <OUT> WindowStream<K, OUT> aggregate(aggregateAction)?对窗口内数据多对一转化；
• <OUT> WindowStream<K, OUT> aggregate(accumulator)?对数据进行聚合操作，且聚合支持二阶聚合，例如在窗口未触发时添加数据，在窗口触发时计算结果这类算子；
• void sink(topicName, serializer)?按照自定义序列化形式将结果写出到topic；

?