Kafka 流数据 SQL 引擎 -- KSQL

KSQL 是什么？

KSQL 是一个 Kafka 的 SQL 引擎，可让咱们在流数据上持续执行 SQL 查询

例如，有一个用户点击流的topic，和一个可持续更新的用户信息表，使用 KSQL 对点击流数据、用户表进行建模，并把两者链接起来，以后 KSQL 会持续查询这个topic的数据流，并放入表中

KSQL 是开源的、分布式的，具备高可靠、可扩展、实时的特性

KSQL 支持强大的流处理操做，包括聚合、链接、窗口、会话等等

KSQL 解决了什么问题？

KSQL 的主要目的是为了下降流处理的操做门槛，为 Kafka 提供了简单而完善的 SQL 交互接口

以前，为了使用流处理引擎，须要熟悉一些开发语言，例如 Java, C#, Python，Kafka 的流处理引擎做为 Kafka 项目的一部分，是一个 Java 库，须要使用者有熟练的 Java 技能

相对的，KSQL 只须要使用者熟悉 SQL 便可，这使得 Kafka Stream 可以进入更广阔的应用领域，例如商业分析，熟悉 SQL 的分析人员就能够操做，而不用必定是开发人员

KSQL 的应用场景有哪些？

1. 实时监控 实时分析

CREATE TABLE error_counts AS
SELECT error_code, count(*)FROM monitoring_stream
WINDOW TUMBLING (SIZE 1 MINUTE)
WHERE type = 'ERROR'

KSQL 可让咱们对应用产生的事件流自定义测量指标，如日志事件、数据库更新事件等等

例如在一个 web app 中，每当有新用户注册时都须要进行一些检查，如欢迎邮件是否发送了、一个新的用户记录是否建立了、信用卡是否绑定了……，这些点可能分布在多个服务中，这时可使用 KSQL 对事件流进行统一的监控分析

2. 安全和异常检查

好比对于欺诈、入侵等非法行为，能够定义出检查模型，经过 KSQL 对实时数据流进行检测

CREATE STREAM possible_fraud AS
SELECT card_number, count(*)
FROM authorization_attempts
WINDOW TUMBLING (SIZE 5 SECONDS)
GROUP BY card_number
HAVING count(*) > 3;

KSQL 能够把事件流转换成数值化的时间序列数据，而后经过 Kafka-Elastic connector导入到 Elastic，并经过 Grafana UI 视图化的展现出来

KSQL 的核心概念

1. STREAM 流

stream 是一个无限的结构化数据序列，这个数据是不可修改的，新的数据能够进入流中，但流中的数据是不能够被修改和删除的

stream 能够从一个 kafka topic 中建立，或者从已存在的流或表中派生出来

CREATE STREAM pageviews (viewtime BIGINT, userid VARCHAR, pageid VARCHAR) 
WITH (kafka_topic='pageviews', value_format=’JSON’);

2. TABLE 表

table 是一个流或者其余表的视图，是流中数据的一个集合，table 中的数据是可变的，能够插入，也能够修改、删除

table 一样能够从一个 kafka topic 中建立，或者从已存在的流或表中派生出来

CREATE TABLE users (registertime BIGINT, gender VARCHAR, regionid VARCHAR, userid  VARCHAR) 
WITH (kafka_topic='users', value_format='DELIMITED');

 

KSQL server 进程用来执行请求，多个 KSQL server 构成一个集群，能够动态增长 KSQL server 的数量来提示处理能力

KSQL server 具备自动容错能力，若是一个失败，其余的会自动接替他的工做

KSQL 有一个命令行终端，输入的命令会经过 REST API 发送到集群，经过命令行，咱们能够检查全部流和表、执行查询、查看请求的状态信息等等

大致上看，KSQL 的构成包括：

1. Kafka 的 Streams API 

2. 分布式 SQL 引擎

3. REST API

小结

KSQL 是 confluent 刚刚发布的，目前是开发预览版，很快会发布正式版

KSQL 极大方便了 Kafka 中流数据的处理，虽然还不能在产品中使用，能够提早了解一下