Python Kafka: Avro 사용하기

Apache Avro

Welcome to Apache Avro!

 

1. AVRO란

Apache Kafka는 기본적으로 데이터를 binary형식으로 받아서, binary로 보낸다.

(010100001..., 카프카 자체는 데이터를 확인하지 않는다. [0% CPU usage, zero copy])

 

그렇기 때문에 만약 아래와 같은 상황이라면

• Producer가 잘못된 데이터를 보낼 때
• field 이름이 변경됐을 때
• 데이터 포맷 형식을 바꿔버릴 때
• 등등

 

당연히, Consumer는 작동을 못하게 된다.

 

그래서 데이터 자체가 자신을 설명할 수 있어야 하고,

Consumer를 break하지 않고 데이터를 변경될 수 있게 만들어야 한다.

 

그래서 schema(대략적인 계획이나 도식) 방식으로 avro가 나오게 됐다.

(JSON 형식을 사용함)

 

(Scheme를 사용할 때 프로그램 작동 방식)

@udemy Stephane Maarek

 

2. Python 사용법

Python으로 avro를 사용할 때 크게 다음 3가지를 선택할 수 있다.

1. avro by Apache

2. fastavro (C언어로 작성한 avro)

3. confluent avro (fastavro 기반 HTTPS 통신 schema)

 

당연히 python보단 C언어로 작성된 버전이 빠르기 때문에, 이 글에선 fastavro로 예제를 만들 것이다.

 

설치

pip install fastavro

 

스키마 예제

schema는 avsc로 파일로 저장된 json이나 dictionary로 바로 파싱 할 수 있다.

(아래는 dictionary로 schema 파싱)

from fastavro import parse_schema


schema = {  # avsc
    "namespace": "ajou.parser",
    "name": "Notice",  # namespace.name으로 변경된다.
    "doc": "A notice parser",
    "type": "record",
    "fields": [
        {"name": "id", "type": "int"},
        {"name": "title", "type": "string"},
        {"name": "date", "type": "string"},
        {"name": "link", "type": "string"},
        {"name": "writer", "type": "string"},
    ],
}

""" 아래 message를 보내는 것이랑 같다.
message = {
    "id": 10000,
    "title": "[FastAVRO] 테스트 공지 제목",
    "date": "20.12.23",
    "link": "https://somelink",
    "writer": "alfex4936",
}
"""
parsed_schema = parse_schema(schema)  # avro schema로 변환

 

avro 파일 write 하기

# 'records' can be an iterable (including generator)
records = [
    {
        "id": 10005,
        "title": "공지 1",
        "date": "2020-12-01",
        "link": "https://link=10005",
        "writer": "CSW",
    },
    {
        "id": 10006,
        "title": "공지 2",
        "date": "2020-12-02",
        "link": "https://link=10006",
        "writer": "CSW",
    },
    {
        "id": 10007,
        "title": "공지 3",
        "date": "2020-12-04",
        "link": "https://link=10007",
        "writer": "CSW",
    },
]

BASE_DIR = os.path.dirname(os.path.abspath(__file__))
AVRO_PATH = os.path.join(BASE_DIR, "test.avro")  # 현재 폴더에 test.avro 저장

# Writing
with open(AVRO_PATH, "wb") as out:
    writer(out, parsed_schema, records)

 

avro 파일 read 하기

# Reading
with open(AVRO_PATH, "rb") as fo:
    for record in reader(fo):
        print(record)
        assert isinstance(record["id"], int)
        
        
 """ record는 dictionary로 출력
 
{'id': 10005, 'title': '공지 1', 'date': '2020-12-01', 'link': 'https://link=10005', 'writer': 'CSW'}
{'id': 10006, 'title': '공지 2', 'date': '2020-12-02', 'link': 'https://link=10006', 'writer': 'CSW'}
{'id': 10007, 'title': '공지 3', 'date': '2020-12-04', 'link': 'https://link=10007', 'writer': 'CSW'}
 """

 

Producer, Consumer 예제

Producer로 하나의 avro record를 Consumer로 보내는 방법은 아래와 같다.

from io import BytesIO
from fastavro import parse_schema, schemaless_reader, writer


# 아래와 같은 데이터가 있을 때
message = {
    "id": 10000,
    "title": "[FastAVRO] 테스트 공지 제목",
    "date": "20.12.23",
    "link": "https://somelink",
    "writer": "alfex4936",
}

# Producer part
producer_rb = BytesIO()  # 바이트로 변환
schemaless_writer(producer_rb, parsed_schema, message)  # 1개의 data write
produced_data = producer_rb.getvalue()
producer.produce(produced_data)  # Producer

... 각각 다른 py

# Consumer part
# SIGINT can't be handled when polling, limit timeout to 1 second.
msg = c.poll(1.0)  # consume data from producer

message = msg.value()

consumer_rb = BytesIO(message)
decoded = schemaless_reader(consumer_rb, parsed_schema)  # 1개의 data read

assert decoded == {
    "id": 10000,
    "title": "[FastAVRO] test title",
    "date": "20.12.23",
    "link": "https://somelink",
    "writer": "alfex4936",
}