CN116257375A - Kafka数据自动化流处理方法及装置 - Google Patents

Abstract

本公开提供了一种Kafka数据自动化流处理方法，涉及分布式技术领域，可以应用于金融技术领域。该方法包括：接收用户输入的流处理规则信息；对所述流处理规则信息进行校验；以及在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。本公开还提供了一种Kafka数据自动化流处理装置、设备、存储介质和程序产品。

Description

Kafka数据自动化流处理方法及装置

技术领域

本公开涉及分布式技术领域，具体涉及流处理技术领域，更具体地涉及一种Kafka数据自动化流处理方法、装置、设备、存储介质和程序产品。

背景技术

Kafka作为一个高吞吐的分布式消息系统，已经被应用在很多大型公司的实际业务中。虽然Kafka在社区上提供了流处理组件Kafka Streams，但是它不是一个流处理框架，只是一个用来处理流式数据的库，用户想要对Kafka流式数据进行处理需要自己调用相关API实现。这种实现方式对用户不友好，需要用户学习相关API的使用以及异常处理，此外，Kafka Streams提供的API只能对集群内的消息进行处理，缺乏跨集群流处理能力。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

鉴于上述问题，本公开提供了一种服务化、实现跨集群的Kafka数据自动化流处理方法、装置、设备、存储介质和程序产品。

根据本公开的第一个方面，提供了一种Kafka数据自动化流处理方法，所述方法包括：

接收用户输入的流处理规则信息；

对所述流处理规则信息进行校验；以及

在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

根据本公开的实施例，所述根据所述流处理规则信息执行流式数据处理包括：

启动新线程解析所述流处理规则信息；

根据解析后的流处理规则信息对外提供流处理服务，所述流处理服务用于处理Kafka消息数据。

根据本公开的实施例，所述启动新线程解析所述流处理规则信息包括：

根据所述流处理规则信息确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容。

根据本公开的实施例，所述根据解析后的流处理规则信息对外提供流处理服务包括：

根据源集群标识和源主题确定消息流入目标；

根据目的集群标识和目的主题确定消息流出目标；

根据规则类型确定调用的消息处理接口；

对处理对象和规则具体内容进行解析后作为所述消息处理接口的接口传参；以及

根据所述消息流入目标、所述消息流出目标和所述接口传参处理Kafka消息数据。

根据本公开的实施例，所述流处理规则信息还包括规则操作类型，所述对所述流处理规则信息进行校验包括：

根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，其中，所述规则操作类型包括新增规则、修改规则和删除规则。

根据本公开的实施例，所述方法还包括：

在执行流式数据处理期间定时生成流处理报表。

根据本公开的实施例，定时监控流处理服务的运行状态和性能数据；以及

根据所述运行状态和所述性能数据生成流处理报表。

本公开的第二方面提供了一种Kafka数据自动化流处理装置，所述装置包括：

获取模块，用于接收用户输入的流处理规则信息；

校验模块，用于对所述流处理规则信息进行校验；以及

执行模块，用于在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

根据本公开的实施例，所述执行模块包括：解析子模块和流处理服务子模块。

解析子模块，用于启动新线程解析所述流处理规则信息；

流处理服务子模块，用于根据解析后的流处理规则信息对外提供流处理服务，所述流处理服务用于处理Kafka消息数据。

根据本公开的实施例，所述解析子模块包括第一确定单元。

第一确定单元，用于根据所述流处理规则信息确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容。

根据本公开的实施例，流处理服务子模块包括：第二确定单元、第三确定单元、第四确定单元、第五确定单元和处理单元。

第二确定单元，用于根据源集群标识和源主题确定消息流入目标；

第三确定单元，用于根据目的集群标识和目的主题确定消息流出目标；

第四确定单元，用于根据规则类型确定调用的消息处理接口；

第五确定单元，用于对处理对象和规则具体内容进行解析后作为所述消息处理接口的接口传参；以及

处理单元，用于根据所述消息流入目标、所述消息流出目标和所述接口传参处理Kafka消息数据。

根据本公开的实施例，所述校验模块包括：校验子模块。

校验子模块，用于根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，其中，所述规则操作类型包括新增规则、修改规则和删除规则。

根据本公开的实施例，所述装置还包括：监控模块。

监控模块，用于在执行流式数据处理期间定时生成流处理报表。

根据本公开的实施例，所述监控模块包括监控子模块和报表生成子模块。

监控子模块，用于定时监控流处理服务的运行状态和性能数据；以及

报表生成子模块，用于根据所述运行状态和所述性能数据生成流处理报表。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述Kafka数据自动化流处理方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述Kafka数据自动化流处理方法。

本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述Kafka数据自动化流处理方法。

通过本公开的实施例提供的一种Kafka数据自动化流处理方法，通过接收用户输入的流处理规则信息，该信息是基于模板生成的，为保证流处理规则信息能够被顺利执行，对流处理规则信息进行校验，在校验通过后，根据流处理规则信息执行流式数据处理。通过将流处理规则服务化的方式实现kafka数据的自动化流处理，相较于相关技术中使用流处理组件Kafka Streams处理流式数据，本方法具备跨集群流处理能力，同时减少用户使用成本。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的Kafka数据自动化流处理方法、装置、设备、存储介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例提供的Kafka数据自动化流处理装置的系统架构图；

图3示意性示出了根据本公开实施例提供的一种Kafka数据自动化流处理方法的流程图；

图4示意性示出了根据本公开实施例提供的根据所述流处理规则信息执行流式数据处理的方法的流程图之一；

图5示意性示出了根据本公开实施例提供的根据所述流处理规则信息执行流式数据处理的方法的流程图之二；

图6示意性示出了根据本公开实施例提供的流处理报表生成方法的流程图；

图7示意性示出了根据本公开实施例的一种Kafka数据自动化流处理装置的结构框图；以及

图8示意性示出了根据本公开实施例的适于实现Kafka数据自动化流处理方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

首先对本公开实施例中出现的术语进行解释：

Kafka：定位为一个分布式流式处理平台，它以高吞吐、可持久化、可水平扩展、支持流数据处理等多种特性而被广泛使用。Kafka起初是Scala语言开发的一个多分区、多副本且基于ZooKeeper协调的分布式消息系统。目前越来越多的开源分布式处理系统如Cloudera、Storm、Spark、Flink等都支持与Kafka集成。

消息主题(Topic)：消息引擎上存放不同类型消息的逻辑单元，用于区分具体的业务。生产者生产消息时，指明消息所属主题(Topic)，消费者消费时指定主题，获取该主题中由生产者生产的消息。

Kafka作为一个高吞吐的分布式消息系统，已经被应用在很多大型公司的实际业务中。尽管Kafka提供了流处理组件Kafka Streams，但是它不是一个流处理框架，只是一个用来处理流式数据的库，当用户需要对Kafka流式数据进行处理时，需要手动调用相关API实现，这种实现方式需要用户具备一定的API使用经验以及异常问题的处理能力，此外，由于集群间的消息相互隔离，Kafka Streams提供的API只能对集群内的消息进行处理，缺乏跨集群流处理能力。

基于上述技术问题，本公开的实施例提供了一种Kafka数据自动化流处理方法，所述方法包括：接收用户输入的流处理规则信息；对所述流处理规则信息进行校验；以及在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

图1示意性示出了根据本公开实施例的Kafka数据自动化流处理方法、装置、设备、存储介质和程序产品的应用场景图。图2示意性示出了根据本公开实施例提供的Kafka数据自动化流处理装置的系统架构图。

如图1所示，根据该实施例的应用场景100可以包括Kafka数据流处理场景。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是Kafka数据自动化流处理服务器，该服务器中执行本公开实施例提供的Kafka数据自动化流处理方法，接收由用户通过终端设备在101、102、103输入的流处理规则信息，对流处理规则信息进行合法性验证后，根据流处理规则信息执行流式数据处理。

需要说明的是，本公开实施例所提供的Kafka数据自动化流处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的Kafka数据自动化流处理装置一般可以设置于服务器105中。本公开实施例所提供的Kafka数据自动化流处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的Kafka数据自动化流处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

需要说明的是，本公开实施例确定的Kafka数据自动化流处理方法和装置可用于分布式技术领域，也可用于金融技术领域，还可用于除金融领域之外的任意领域，本公开实施例确定的Kafka数据自动化流处理方法和装置的应用领域不做限定。

如图2所示，本公开实施例提供的Kafka数据自动化流处理装置包括流处理规则信息接收模块、规则校验模块、规则执行模块和监控模块。Kafka集群1101包含多个主题1102，每个主题之间是相互隔离的，不会进行数据流转。当用户1103需要对主题数据进行处理并流转到另一个主题时，可通过Kafka自动化流处理装置实现该需求。首先用户1103根据装置提供的模板生成流处理规则信息1104；规则校验模块1105主要负责校验流处理规则信息1104是否合理有效，例如源主题和目的主题是否已创建；新增规则时对应主题是否已经拥有规则；删除规则时对应主题是否存在该规则等等。在校验通过后，则将流处理规则信息1104输入到规则执行模块1106进行下一步操作。规则执行模块1106启动一个新的进程独立执行一条规则，在进程运行期间，会定时上送心跳以及一些数据数据给监控模块1107。监控模块1107根据流处理规则执行进程定时发送的心跳校验功能是否正常，若规定时间内接收不到心跳，则认为进程下宕，进行相关的提示.

以下将基于图1描述的场景和图2所述的系统架构，通过图3～图5本公开实施例的Kafka数据自动化流处理方法进行详细描述。

图3示意性示出了根据本公开实施例提供的一种Kafka数据自动化流处理方法的流程图。如图3所示，该实施例的Kafka数据落盘方法包括操作S210～操作S230，该方法可以由服务器或其他计算设备执行。

在操作S210，接收用户输入的流处理规则信息。

一个示例中，在一些业务场景中，当用户需要对消息中间件中主题数据进行处理并流转到另一主题时，例如将主题A中包含某关键字的消息数据分流至主题B；例如将主题A中包含某关键字的消息数据复制到主题B；例如将主题A中包含某关键字的消息数据与主题B中的消息数据进行合并等等。在相关技术中，需要用户调用相关API实现上述消息数据的处理。由于消息数据只能在集群内部流转，因此缺乏跨集群流处理能力。本公开实施例将流处理服务化，用户根据预设模板结合业务需求输入流处理规则信息。规则操作类型包含三大类操作，分别是新增规则、修改规则和删除规则。每行记录代表一个流处理规则信息，包含源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型，规则类型包括分流规则、合并规则、复制规则和过滤规则、处理对象，处理对象包括增量消息key、增量消息value、全量消息key和全量消息value以及规则具体内容。例如分流规则【A：topic1，B：topic2】表示包含关键字A的消息放到topic1，包含关键字B的消息放到topic2。

在操作S220，对所述流处理规则信息进行校验。

根据本公开的实施例，所述流处理规则信息包括规则操作类型。根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，其中，所述规则操作类型包括新增规则、修改规则和删除规则。

一个示例中，为保证流处理规则信息能够顺利执行，对操作S210中的流处理规则信息进行校验，判断流处理规则信息是否合理有效。根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，具体的，例如源主题和目的主题是否已创建；当规则操作类型为新增规则时，对应主题是否已经拥有规则；当规则操作类型为删除规则时，对应主题是否存在该规则。若规则校验不通过，则提示用户第几行哪个字段有问题；若规则都校验通过，则将流处理规则信息输入到规则执行模块进行下一步操作。

在操作S230，在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

一个示例中，在确定流处理规则信息校验通过后，解析所述流处理规则信息获取规则内容和处理对象，启动独立线程执行该规则，对外提供流数据服务，处理kafka消息数据，具体处理过程可参见图4所示操作S231和操作S232，在此不再赘述。

通过本公开的实施例提供的一种Kafka数据自动化流处理方法，通过接收用户输入的流处理规则信息，该信息是基于模板生成的，为保证流处理规则信息能够被顺利执行，对流处理规则信息进行校验，在校验通过后，根据流处理规则信息执行流式数据处理。通过将流处理规则服务化的方式实现kafka数据的自动化流处理，相较于相关技术中使用流处理组件Kafka Streams处理流式数据，本方法具备跨集群流处理能力，同时减少用户使用成本。

下面将通过图4介绍本公开实施例中根据所述流处理规则信息执行流式数据处理的过程。图4示意性示出了根据本公开实施例提供的根据所述流处理规则信息执行流式数据处理的方法的流程图之一。图5示意性示出了根据本公开实施例提供的根据所述流处理规则信息执行流式数据处理的方法的流程图之二。如图4所示，操作S230包括操作S231～操作S232。

在操作S231，启动新线程解析所述流处理规则信息。

根据本公开的实施例，根据所述流处理规则信息确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容。

在操作S232，根据解析后的流处理规则信息对外提供流处理服务，所述流处理服务用于处理Kafka消息数据。

如图5所示，操作S232包括操作S2321～操作S2325。

在操作S2321，根据源集群标识和源主题确定消息流入目标；在操作S2322，根据目的集群标识和目的主题确定消息流出目标；在操作S2323，根据规则类型确定调用的消息处理接口；在操作S2324，对处理对象和规则具体内容进行解析后作为所述消息处理接口的接口传参；在操作S2325，根据所述消息流入目标、所述消息流出目标和所述接口传参处理Kafka消息数据。

一个示例中，启动新线程解析流处理规则信息，确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容，进而根据源集群标识和源主题确定消息流入目标，根据目的集群标识和目的主题确定消息流出目标，根据规则类型确定调用的消息处理接口，对处理对象和规则具体内容进行解析后作为接口传参。例如确定是对key还是对value操作，确定含有哪些关键字的消息输出到哪个主题或分区。

一个示例中，假设topicA包含全国所有地区的业务消息，其中消息的key存放对应的地区信息，因业务需求下游应用想要启动多个消费者单独消费一个地区的消息，不能包含其他地区的消息。按照这个需求生成的流处理规则信息：

规则执行模块解析上述规则，然后启动一个新进程从KAFKA1的topic0的最早一条消息开始消费，由于处理对象是全量消息key，因此从最早一条消息开始消费，若处理对象是增量消息，则从最新一条消息开始消费，将key包含“北京”的消息发送到KAFKA2的topicl，将key包含“广州”的消息发送到KAFKA2的topic2，以此类推，所有后续新写入topic0的消息也会按照这个逻辑进行分流。这样KAFKA2中的topic1，topic2，…就会保存每个地区独立的消息，供下游应用独立消费处理。

为了保证流处理服务的可用性，本公开实施例还对流处理规则执行进程进行监控，在执行流式数据处理期间定时生成流处理报表。图6示意性示出了根据本公开实施例提供的流处理报表生成方法的流程图。

如图6所示，包括操作S310～操作S320。

在操作S310，定时监控流处理服务的运行状态和性能数据。

在操作S320，根据所述运行状态和所述性能数据生成流处理报表。

一个示例中，在进程运行期间，会定时上送心跳以及一些数据数据给监控模块，监控模块根据流处理规则执行进程定时发送的心跳校验功能是否正常，若规定时间内接收不到心跳，则确定进程下宕，进行相关的提示；同时，流处理规则执行进程也会统计消息处理前后的流入和流出性能数据发给监控模块，性能数据包括1分钟内消息流入流出的tps均值、tps峰值、流量均值、流量峰值、进程CPU使用率、进程内存使用率等等，监控模块根据流处理服务的运行状态和性能数据进行处理，然后生成流处理报表反馈给用户。

通过本公开实施例提供的Kafka数据自动化流处理方法，基于Kafka封装了流处理的API，提供流处理服务化能力，用户按照预设模板结合实际业务需求输入流处理规则信息，将用户输入流处理规则信息封装成流处理服务，处理流式数据。从而有效减少用户的使用成本，实现集群间消息的流处理。

基于上述Kafka数据自动化流处理方法，本公开还提供了一种Kafka数据自动化流处理装置。以下将结合图7对该装置进行详细描述。

图7示意性示出了根据本公开实施例的一种Kafka数据自动化流处理装置的结构框图。

如图7所示，该实施例的Kafka数据落盘装置700包括获取模块710、校验模块720和执行模块730。

获取模块710用于接收用户输入的流处理规则信息。在一实施例中，获取模块710可以用于执行前文描述的操作S210，在此不再赘述。

校验模块720用于对所述流处理规则信息进行校验。在一实施例中，校验模块720可以用于执行前文描述的操作S220，在此不再赘述。

执行模块730用于在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。在一实施例中，执行模块730可以用于执行前文描述的操作S230，在此不再赘述。

根据本公开的实施例，所述执行模块包括：解析子模块和流处理服务子模块。

解析子模块，用于启动新线程解析所述流处理规则信息。在一实施例中，解析子模块可以用于执行前文描述的操作S231，在此不再赘述。

流处理服务子模块，用于根据解析后的流处理规则信息对外提供流处理服务，所述流处理服务用于处理Kafka消息数据。在一实施例中，流处理服务子模块可以用于执行前文描述的操作S232，在此不再赘述。

根据本公开的实施例，所述解析子模块包括第一确定单元。

第一确定单元，用于根据所述流处理规则信息确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容。在一实施例中，第一确定单元可以用于执行前文描述的操作S231，在此不再赘述。

根据本公开的实施例，流处理服务子模块包括：第二确定单元、第三确定单元、第四确定单元、第五确定单元和处理单元。

第二确定单元，用于根据源集群标识和源主题确定消息流入目标。在一实施例中，第二确定单元可以用于执行前文描述的操作S2321，在此不再赘述。

第三确定单元，用于根据目的集群标识和目的主题确定消息流出目标。在一实施例中，第三确定单元可以用于执行前文描述的操作S2322，在此不再赘述。

第四确定单元，用于根据规则类型确定调用的消息处理接口.在一实施例中，第四确定单元可以用于执行前文描述的操作S2323，在此不再赘述。

第五确定单元，用于对处理对象和规则具体内容进行解析后作为所述消息处理接口的接口传参。在一实施例中，第五确定单元可以用于执行前文描述的操作S2324，在此不再赘述。

处理单元，用于根据所述消息流入目标、所述消息流出目标和所述接口传参处理Kafka消息数据。在一实施例中，处理单元可以用于执行前文描述的操作S2325，在此不再赘述。

根据本公开的实施例，所述校验模块包括：校验子模块。

校验子模块，用于根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，其中，所述规则操作类型包括新增规则、修改规则和删除规则。在一实施例中，校验子模块可以用于执行前文描述的操作S220，在此不再赘述。

根据本公开的实施例，所述装置还包括：监控模块。

监控模块，用于在执行流式数据处理期间定时生成流处理报表。

根据本公开的实施例，所述监控模块包括监控子模块和报表生成子模块。

监控子模块，用于定时监控流处理服务的运行状态和性能数据。在一实施例中，监控子模块可以用于执行前文描述的操作S310，在此不再赘述。

报表生成子模块，用于根据所述运行状态和所述性能数据生成流处理报表。在一实施例中，报表生成子模块可以用于执行前文描述的操作S320，在此不再赘述。

根据本公开的实施例，获取模块710、校验模块720和执行模块730中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块710、校验模块720和执行模块730中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块710、校验模块720和执行模块730中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现Kafka数据自动化流处理方法的电子设备的方框图。

如图8所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的Kafka数据自动化流处理方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的Kafka数据自动化流处理方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种Kafka数据自动化流处理方法，其特征在于，所述方法包括：

接收用户输入的流处理规则信息；

对所述流处理规则信息进行校验；以及

在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

2.根据权利要求1所述的方法，其特征在于，所述根据所述流处理规则信息执行流式数据处理包括：

启动新线程解析所述流处理规则信息；

根据解析后的流处理规则信息对外提供流处理服务，所述流处理服务用于处理Kafka消息数据。

3.根据权利要求2所述的方法，其特征在于，所述启动新线程解析所述流处理规则信息包括：

根据所述流处理规则信息确定源集群标识、源主题名称、目的集群标识、目的主题名称、规则类型、处理对象和规则具体内容。

4.根据权利要求3所述的方法，其特征在于，所述根据解析后的流处理规则信息对外提供流处理服务包括：

根据源集群标识和源主题确定消息流入目标；

根据目的集群标识和目的主题确定消息流出目标；

根据规则类型确定调用的消息处理接口；

对处理对象和规则具体内容进行解析后作为所述消息处理接口的接口传参；以及

根据所述消息流入目标、所述消息流出目标和所述接口传参处理Kafka消息数据。

5.根据权利要求3所述的方法，其特征在于，所述流处理规则信息还包括规则操作类型，所述对所述流处理规则信息进行校验包括：

根据规则操作类型对所述源集群标识、所述源主题名称、所述目的集群标识、所述目的主题名称进行校验，其中，所述规则操作类型包括新增规则、修改规则和删除规则。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：

在执行流式数据处理期间定时生成流处理报表。

7.根据权利要求6所述的方法，其特征在于，在执行流式数据处理期间定时生成流处理报表包括：

定时监控流处理服务的运行状态和性能数据；以及

根据所述运行状态和所述性能数据生成流处理报表。

8.一种Kafka数据自动化流处理方法，其特征在于，所述装置包括：

获取模块，用于接收用户输入的流处理规则信息；

校验模块，用于对所述流处理规则信息进行校验；以及

执行模块，用于在确定所述流处理规则信息校验通过后，根据所述流处理规则信息执行流式数据处理。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的Kafka数据自动化流处理方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的Kafka数据自动化流处理方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～7中任一项所述的Kafka数据自动化流处理方法。

Images