发送消息时，Samza是否自动创建分区？

Question

如果您使用Samza的OutgoingMessageEnvelope使用以下格式发送消息：

public OutgoingMessageEnvelope(SystemStream systemStream,
                               java.lang.Object partitionKey,
                               java.lang.Object key,
                               java.lang.Object message)
Constructs a new OutgoingMessageEnvelope from specified components.
Parameters:
systemStream - Object representing the appropriate stream of which this envelope will be sent on.
partitionKey - A key representing which partition of the systemStream to send this envelope on.
key - A deserialized key to be used for the message.
message - A deserialized message to be sent in this envelope.

并且您在流任务的process（）方法中调用此方法，并希望将传入消息路由到适当的分区，Samza会在您调用该方法时为您创建分区吗？

例如

MessageA = {"id": "idA", "key": "keyA", "body":"some details"}
MessageB = {"id": "idB", "key": "keyB", "body":"some more details"}

如果我在流任务的process()中调用，其中msg是消息实例：

public void process(IncomingMessageEnvelope envelope, MessageCollector collector, TaskCoordinator coordinator) {
    // ...
    String partition = msg["id"]
    String key = msg["key"]
    collector.send(new OutgoingMessageEnvelope(new SystemStream("kafka", "PartitionedMessages"), id, key, msg));
    // ...

这会为我自动创建分区idA和idB（即，在向我发送消息之前，是否需要创建这些分区）吗？ 我希望能够将消息路由到适当的分区，并希望能够使用单独的消息密钥记录压缩。

Answer 1

创建主题时，必须指定分区数。 您不能动态添加新分区（ 可以，但是可以，但这并不容易，Samza不会自动添加分区）。 如果该主题不存在，但具有默认的分区数，则Samza应该为您创建一个新主题。 这取决于设置。 您可以测试一下。

但是值msg["id"]没有指定分区的名称。 该值仅用于计算目标分区的数量。 该值被散列为一个数字，然后使用模数进行修整。 这样的事情（有更多的算法，这是基本的算法）：

partitionID = hash(msg["id"]) % total_number_of_partitions

并且partitionID始终是非负整数。 这意味着您实际上有多少个分区都没有关系。 它总是以某些结尾。 主要思想是，如果您有两条消息具有相同的msg["id"] ，则这些消息将最终位于相同的分区中。 那通常就是你想要的。

日志压缩将按您预期的那样工作-它将从特定分区中删除具有相同密钥的消息（但是，如果您有两个具有相同密钥且具有两个不同分区的消息，则不会删除它们）。

仅供参考，您可以使用kafkacat找出分区数和其他有用的东西。