`read_kinesis` 流式表值函数

项目
04/10/2024

适用于： 勾选“是” Databricks SQL Databricks Runtime 13.2 及更高版本

返回一个表，其中包含从一个或多个流的 Kinesis 中读取的记录。

语法

read_kinesis ( { parameter => value } [, ...] )

参数

read_kinesis 需要命名参数调用。

唯一必需的参数为 streamName。所有其他参数都是可选的。

此处对参数的说明很简短。有关详细信息，请参阅 Amazon Kinesis 文档。

可通过多个连接选项来连接 AWS 并对其进行身份验证。可以使用 secret 函数在函数参数中指定 awsAccessKey 和 awsSecretKey，也可以在参数中手动设置，或按如下所示配置为环境变量。 roleArn、roleExternalID、roleSessionName 也可通过使用实例配置文件用于对 AWS 进行身份验证。如果未指定这些项，它将使用默认的 AWS 提供程序链。

参数	类型	描述
`streamName`	`STRING`	一个或多个 Kinesis 流的必需逗号分隔列表。
`awsAccessKey`	`STRING`	AWS 访问密钥（如果有）。还可以通过 AWS 默认凭据提供程序链支持的各种选项进行指定，包括环境变量（`AWS_ACCESS_KEY_ID`）和凭据配置文件。
`awsSecretKey`	`STRING`	对应于访问密钥的密钥。可以在参数中指定，也可以通过 AWS 默认凭据提供程序链支持的各种选项指定，包括环境变量（`AWS_SECRET_KEY` 或 `AWS_SECRET_ACCESS_KEY`）以及凭据配置文件。
`roleArn`	`STRING`	访问 Kinesis 时要承担的角色的 Amazon 资源名称。
`roleExternalId`	`STRING`	在委派对 AWS 帐户的访问权限时使用。
`roleSessionName`	`STRING`	AWS 角色会话名称。
`stsEndpoint`	`STRING`	用于请求临时访问凭据的终结点。
`region`	`STRING`	要指定的流的区域。默认值为本地解析区域。
`endpoint`	`STRING`	Kinesis 数据流的区域终结点。默认值为本地解析区域。
`initialPosition`	`STRING`	从流中读取的起始位置。可取值为：“latest”（默认值）、“trim_horizon”、“earliest”、“at_timestamp”。
`consumerMode`	`STRING`	可取值为：“polling”（默认值），或“EFO”（增强扇出）。
`consumerName`	`STRING`	使用者的名称。所有使用者都以“databricks_”为前缀。默认值为空字符串。
`registerConsumerTimeoutInterval`	`STRING`	在引发错误之前等待 Kinesis EFO 使用者注册到 Kinesis 流的最大超时。默认值为“300s”。
`requireConsumerDeregistration`	`BOOLEAN`	为 `true` 则在查询终止时注册 EFO 使用者注册。默认值为 `false`。
`deregisterConsumerTimeoutInterval`	`STRING`	在引发错误之前等待 Kinesis EFO 使用者在 Kinesis 流中取消注册的最大超时。默认值为“300s”。
`consumerRefreshInterval`	`STRING`	检查和刷新使用者的间隔。默认值为“300s”。

以下参数用于控制 Kinesis 的读取吞吐量和延迟：

参数	类型	描述
`maxRecordsPerFetch`	`INTEGER (>0)`	可选，默认值为 10,000，按 API 对 Kinesis 的请求读取的记录。
`maxFetchRate`	`STRING`	每个分片预提取数据的速度。以 MB/秒为单位的“1.0”和“2.0”之间的值。默认值为“1.0”。
`minFetchPeriod`	`STRING`	连续预提取尝试之间的最长等待时间。默认值为“400ms”。
`maxFetchDuration`	`STRING`	缓冲预提取的新数据的最长持续时间。默认值为“10s”。
`fetchBufferSize`	`STRING`	下一个触发器的数据量。默认值为“20gb”。
`shardsPerTask`	`INTEGER (>0)`	每个 Spark 任务要并行预提取的 Kinesis 分片数。默认值为 5。
`shardFetchinterval`	`STRING`	轮询以重新分片的频率。默认值为“1s”。
`coalesceThresholdBlockSize`	`INTEGER (>0)`	自动合并发生的阈值。默认值为 10,000,000。
`coalesce`	`BOOLEAN`	为 `true` 则联合预提取的请求。默认为 `true`。
`coalesceBinSize`	`INTEGER (>0)`	合并后的近似块大小。默认值为 128,000,000。
`reuseKinesisClient`	`BOOLEAN`	为 `true` 则重用缓存中存储的 Kinesis 客户端。默认值为 `true`（PE 群集上除外）。
`clientRetries`	`INTEGER (>0)`	重试方案中的重试次数。默认值为 5。

具有以下架构的 Kinesis 记录表：

名称	数据类型	Nullable	标准
`partitionKey`	`STRING`	否	用于在流的分片之间分发数据的键。具有相同分区键的所有数据记录将从同一分片读取。
`data`	`BINARY`	否	kinesis 数据有效负载，base-64 编码。
`stream`	`STRING`	否	从中读取数据的流的名称。
`shardId`	`STRING`	否	从中读取数据的分片的唯一标识符。
`sequenceNumber`	`BIGINT`	否	记录分片中该记录的唯一标识符。
`approximateArrivalTimestamp`	`TIMESTAMP`	否	将记录插入流中的大致时间。

(stream, shardId, sequenceNumber) 列构成主键。

示例

-- Streaming Ingestion from Kinesis
> CREATE STREAMING TABLE testing.streaming_table AS
    SELECT * FROM STREAM read_kinesis (
        streamName => 'test_databricks',
        awsAccessKey => secret('test-databricks', 'awsAccessKey'),
        awsSecretKey => secret('test-databricks', 'awsSecretKey'),
        initialPosition => 'earliest');

-- The data would now need to be queried from the testing.streaming_table

-- A streaming query when the environment variables already contain AWS_ACCESS_KEY_ID and AWS_SECRET_ACCESS_KEY configured
> CREATE STREAMING TABLE testing.streaming_table AS
    SELECT * FROM STREAM read_kinesis (
        streamName => 'test_databricks',
        initialPosition => 'earliest');

-- A streaming query when the roleArn, roleSessionName, and roleExternalID are configured
> CREATE STREAMING TABLE testing.streaming_table AS
    SELECT * FROM STREAM read_kinesis (
        streamName => 'test_databricks',
        initialPosition => 'earliest',
        roleArn => 'arn:aws:iam::123456789012:role/MyRole',
        roleSessionName => 'testing@databricks.com');

read_kinesis 流式表值函数

语法

参数

返回

示例

相关函数

其他资源

`read_kinesis` 流式表值函数