Spring Cloud Data Flow: Event-driven Stream and Batch Processing

Transcript

1. 1 SPRING CLOUD DATA FLOW: EVENT-DRIVEN STREAM AND BATCH PROCESSING JAX 2017 Nicolas Byl, codecentric AG
2. 2 . 1 Stream Processing, anyone?
3. 2 . 2 Spring Cloud Dataflow
4. 3 . 1 PROCESSING MODELL
5. 3 . 2 Streams kleinste Einheit von Spring Cloud Dataflow Verarbeitungsstrecke
6. 3 . 3 Stream Struktur Source als Datenquelle Multiple Processor Instanzen für nachfolgende Verarbeitungsschritte Sink als Ende der Verarbeitungskette
8. 3 . 4 3 . 5 Verarbeitung Jeder Instanz der Verarbeitungskette ist eine Spring Boot Applikation Pufferung zwischen Verarbeitungsschritten in Queue Pull Mechanismus für nächste Datensatz
9. 3 . 6 Queueing
10. 4 . 1 ARCHITEKTUR
12. 4 . 2 4 . 3 Building Blocks Spring Boot Spring Integration Spring Batch
13. 4 . 4 Deployables Spring Boot Applikationen Spring Cloud Stream Starters Spring Cloud Stream Spring Cloud Task
14. 4 . 5 Deployer Spring Cloud Deployer - SPI
15. 4 . 6 Interfaces Command Line Interface Dashboard Flo Editor REST
16. 5 . 1 BUILDING STREAMS
17. 5 . 2 Command Line Interface Definition und Management der vorhandenen Streams DSL zur Verkettung von Applikation mittels |
18. 5 . 3 Beispiel: Ticktack stream create --name ticktock --definition "time | log" --deploy
19. 5 . 4 Beispiel: HTTP-Request stream create --name test --definition "http | log" stream deploy test --properties "app.http.spring.cloud.deployer.kubernetes.c http post --target http://<IP>:8080 --data "Hello"
20. 5 . 5 Grafischer Editor
21. 6 . 1 TASKS
22. 6 . 2 Definition Microservice mit definierter Lebensdauer Lebenszyklus mit Start- und Endzeitpunkt Logging jedes Laufs Integration mit Spring Batch
23. 6 . 3 Beispiel: Task erzeugen und Starten task create mytask --definition "timestamp --format=\"yyyy\"" task launch mytask
24. 6 . 4 Integration mit Streams Starten durch Stream als Sink (TriggerTask Source) Lebenszyklus-Events werden in eigene Streams ausgegeben
25. 7 . 1 CUSTOM APPLICATIONS
26. 7 . 2 Programmiermodell - Spring Cloud Stream Source, Sink & Processor sind normale Spring Beans Kopplung an Spring Integration Binding an den jeweiligen Typen Abstraktion des Queueing Providers durch das Framework
27. 7 . 3 Beispiel: Direkte Bearbeitung in der Beans @EnableBinding(Processor.class) public class TransformProcessor { @Autowired VotingService votingService; @StreamListener(Processor.INPUT) @SendTo(Processor.OUTPUT) public VoteResult handle(Vote vote) { return votingService.record(vote); } }
28. 7 . 4 Beispiel: Spring Integration als Source @EnableBinding(Source.class) public class TimerSource { @Value("${format}") private String format; @Bean @InboundChannelAdapter(value = Source.OUTPUT, poller = @Poller(fixedDelay public MessageSource<String> timerMessageSource() { return () -> new GenericMessage<>(new SimpleDateFormat(format).format( } }
29. 7 . 5 Beispiel: Reative Processor @EnableRxJavaProcessor public class RxJavaTransformer { private static Logger logger = LoggerFactory.getLogger(RxJavaTransformer @Bean public RxJavaProcessor<String,String> processor(Observable<String return inputStream -> inputStream.map(data -> { logger.info("Got data = " + data); return data; }) .buffer(5) .map(data -> String.valueOf(avg(data))); } [...] }
30. 8 . 1 ANALYTICS
31. 8 . 2 Sinks, die einen Counter in Redis hinterlegen Mögliche Ebenen: Counter: Anzahl Nachrichten Field Value Counter: Anzahl eines Werte eines spezifischen Feldes Aggregate Counter: Anzahl des Erscheinens einer Nachricht
32. 8 . 3 Beispiel: Twitter Analyse stream create --name twitter-demo --definition "twitterstream --twitter.credentials.consumer-key=<...> [..] | field-value-counter --field-value-counter.fieldName=entities.hashtags.text --field-value-counter.name=hashtags"
33. 9 . 1 ZUSAMMENFASSUNG
34. 9 . 2 Andere Anwendungen Analytics Monitoring CRM ...
35. 9 . 3 The End Copyright 2017