5

我有无限的事件流：

(timestamp, session_uid, traffic)

IE

...
(1448089943, session-1, 10)
(1448089944, session-1, 20)
(1448089945, session-2, 50)
(1448089946, session-1, 30)
(1448089947, session-2, 10)
(1448089948, session-3, 10)
...

这些事件我想按 session_uid 分组并计算每个会话的流量总和。

我编写了一个akka-streams流，可以很好地使用有限流groupBy（我的代码基于食谱中的这个示例）。但是对于无限流，它将不起作用，因为groupBy函数应该处理所有传入的流，并且只有在此之后才准备好返回结果。

我认为我应该实现超时分组，即如果我没有收到指定stream_uid 的事件超过5 分钟，我应该为这个session_uid 返回分组事件。但是如何实现它只使用akka-streams呢？

4

3 回答 3

3

我想出了一个有点粗糙的解决方案，但我认为它可以完成工作。

基本思想是使用keepAliveSource 的方法作为将触发完成的计时器。

但要做到这一点，我们首先必须对数据进行一些抽象。计时器将需要从原始 Source 发送触发器或另一个元组值，因此：

sealed trait Data

object TimerTrigger extends Data
case class Value(tstamp : Long, session_uid : String, traffic : Int) extends Data

然后将我们的元组源转换为值源。我们仍然会使用groupBy类似于您的有限流案例的分组：

val originalSource : Source[(Long, String, Int), Unit] = ???

type IDGroup = (String, Source[Value, Unit]) //uid -> Source of Values for uid

val groupedDataSource : Source[IDGroup, Unit] = 
  originalSource.map(t => Value(t._1, t._2, t._3))
                .groupBy(_.session_uid)

棘手的部分是处理只是元组的分组：(String, Source[Value,Unit])。如果时间已经过去，我们需要计时器来通知我们，所以我们需要另一个抽象来知道我们是否仍在计算，或者我们是否由于超时而完成了计算：

sealed trait Sum {
  val sum : Int
}
case class StillComputing(val sum : Int) extends Sum
case class ComputedSum(val sum : Int) extends Sum

val zeroSum : Sum = StillComputing(0)

现在我们可以排空每个组的源。keepAlive如果值的TimerTrigger来源在timeOut. 然后DatakeepAlive 中的值与 TimerTrigger 或原始 Source 中的新值进行模式匹配：

val evaluateSum : ((Sum , Data)) => Sum = {
  case (runningSum, data) => { 
    data match {
      case TimerTrigger => ComputedSum(runningSum.sum)
      case v : Value    => StillComputing(runningSum.sum + v.traffic)
    }
  }
}//end val evaluateSum

type SumResult = (String, Future[Int]) // uid -> Future of traffic sum for uid

def handleGroup(timeOut : FiniteDuration)(idGroup : IDGroup) : SumResult = 
  idGroup._1 -> idGroup._2.keepAlive(timeOut, () => TimerTrigger)
                          .scan(zeroSum)(evaluateSum)
                          .collect {case c : ComputedSum => c.sum}
                          .runWith(Sink.head)

该集合应用于仅匹配完成总和的部分函数，​​因此仅在计时器触发后才到达接收器。

然后我们将此处理程序应用于出现的每个分组：

val timeOut = FiniteDuration(5, MINUTES)

val sumSource : Source[SumResult, Unit] = 
  groupedDataSource map handleGroup(timeOut)

我们现在有一个 Source ，(String,Future[Int])它是 session_uid 和该 id 的流量总和的 Future。

就像我说的，复杂但符合要求。此外，我不完全确定如果一个 uid 已经分组并已超时，但随后会出现具有相同 uid 的新值会发生什么。

于 2015-11-21T20:02:20.340 回答
2

这似乎是以下用例Source.groupedWithin：

def groupedWithin(n: Int, d: FiniteDuration): Source[List[Out], Mat]

“将这个流分成在一个时间窗口内接收到的元素组，或者受到给定元素数量的限制，无论先发生什么。”

这是文档的链接

于 2015-12-07T17:42:37.123 回答
0

也许你可以通过演员简单地实现它

case class SessionCount(name: String)

class Hello private() extends Actor {
  var sessionMap = Map[String, Int]()

  override def receive: Receive = {
    case (_, session: String, _) =>
      sessionMap = sessionMap + (session -> (sessionMap.getOrElse(session, 0) + 1))

    case SessionCount(name: String) => sender() ! sessionMap.get(name).getOrElse(0)
  }
}


object Hello {
  private val actor = ActorSystem.apply().actorOf(Props(new Hello))
  private implicit val timeOver = Timeout(10, TimeUnit.SECONDS)
  type Value = (String, String, String)

  def add(value: Value) = actor ! value

  def count(name:String) = (actor ? SessionCount(name )).mapTo[Int]
}
于 2015-11-21T11:03:18.750 回答