Quix Streams 3.17.0版本发布：新增区间连接与运行控制优化

Quix Streams是一个用于构建实时流处理应用的开源Python框架，它简化了与Kafka交互的复杂性，使开发者能够专注于业务逻辑的实现。最新发布的3.17.0版本带来了两项重要功能更新和一些改进，进一步增强了框架的实用性和易用性。

区间连接功能：StreamingDataFrame.join_interval()

本次更新最引人注目的新特性是区间连接功能。在流处理场景中，我们经常需要将两个数据流中的记录按照时间窗口进行关联。传统的as-of连接只能匹配最新的记录，而新的join_interval()方法则允许开发者定义更灵活的时间窗口。

区间连接的典型应用场景包括：

• 将传感器测量数据与相关事件进行关联
• 分析用户行为序列中的关联事件
• 在金融交易中识别特定时间窗口内的相关活动

使用方法示例如下：

from datetime import timedelta
from quixstreams import Application

app = Application(...)

sdf_measurements = app.dataframe(app.topic("measurements"))
sdf_events = app.dataframe(app.topic("events"))

sdf_joined = sdf_measurements.join_interval(
    right=sdf_events,
    how="inner",                 # 仅当找到匹配时才输出
    on_merge="keep-left",        # 列名冲突时保留左侧数据框的值
    grace_ms=timedelta(days=7),  # 状态保留7天
    backward_ms=timedelta(minutes=5),  # 向前查找5分钟内的记录
    forward_ms=timedelta(minutes=5),   # 向后查找5分钟内的记录
)

开发者可以通过调整backward_ms和forward_ms参数来定义时间窗口的大小和方向，grace_ms参数则控制状态保留的时间，这对于处理迟到数据非常重要。

应用运行控制优化

3.17.0版本对Application.run()方法的行为进行了两项重要改进：

1. count参数语义变更

count参数的含义从"处理的消息数量"改为"输出的消息数量"。这一变更更加符合开发者的直觉，因为在实际应用中，我们更关心的是处理结果而非输入数据量。特别是在使用过滤、聚合或expand操作时，输入输出数量往往不一致。

2. 新增输出收集功能

新增的collect参数允许开发者在测试和调试时直接获取处理结果，大大简化了开发流程。结合metadata参数，可以获取包括消息键、时间戳、偏移量等在内的完整元数据。

# 处理一个输出并收集值(10秒超时)
result = app.run(count=1, timeout=10, collect=True)

# 处理一个输出并收集值和元数据
result_with_meta = app.run(count=1, timeout=10, collect=True, metadata=True)

这一改进特别适合在开发阶段快速验证数据处理逻辑的正确性。

其他改进

1. 状态恢复进度日志：现在框架会每10秒记录一次状态恢复进度，方便运维人员监控长时间运行的恢复过程。

2. 连接器更新：

   • PostgresqlSink现在能够正确处理jsonb类型的值
   • BigQuerySink在请求中使用quix-streams用户标识
   • 新增InfluxDB1Sink连接器

3. 内部优化：

   • 改进了窗口类型的泛型处理
   • 移除了窗口过期的日志输出，减少日志噪音

总结

Quix Streams 3.17.0通过引入区间连接和优化应用运行控制，进一步提升了框架处理复杂流处理场景的能力。这些改进使得开发者能够更灵活地处理时间窗口相关的业务逻辑，同时也简化了开发和调试流程。对于需要处理时间敏感型数据的应用场景，如IoT、金融交易分析等，这些新特性将特别有价值。