首页
/ Quix Streams 3.17.0版本发布:新增区间连接与运行控制优化

Quix Streams 3.17.0版本发布:新增区间连接与运行控制优化

2025-07-02 15:33:16作者:胡易黎Nicole

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_msforward_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。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
558
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
71
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0