简洁高效的 Python 流处理库

在分布式系统和实时数据处理中，流处理是十分重要的技术。在数据密集型应用中，数据快速到达，转瞬即逝，需要及时进行处理，流式处理强调数据和事件的处理速度，对性能和可靠性有较高的要求。

流处理框架包括：Storm，Spark Streaming 和 Flink 等，而 Kafka 也不甘示弱，推出了分布式流处理平台 Kafka Streams。 Faust 把 Kafka Streams 带到了 Python，并实现了抽象和优化，为数据和事件的流处理提供了一个高效便利的框架。

简介

Faust，是 robinhood 在 Github 上开源的 Python 流处理库，目前版本为 1.10.4。

Faust 把 Kafka Streams 的概念带到了 Python，提供了包括流处理和事件处理的模式。Faust 使用纯 Python 实现，使得开发者可以使用包括 NumPy, PyTorch, Pandas 等的库进行数据处理。

Faust 实现简洁优雅，使用简单，性能优秀，且具有高可用、分布式、灵活性高的特点。目前 Faust 已被用于构建高性能分布式系统和实时数据管道中。

使用

Faust 需求 Python 3.6 或以上，且需要可用的 Kafka >= 0.10 服务。使用 pip 安装：

$ pip install -U faust 

此外，一些额外的特性需要额外的依赖，如 rocksdb，可以用来作为 Faust 在生产环境中的存储，以及 Redis，可以在开启缓存时使用。

安装完成以后，就可以在项目中使用了。我们来看一个简单的例子：

import faust 
 
app = faust.App( 
    'hello-world', 
    broker='kafka://localhost:9092', 
    value_serializer='raw', 
) 
 
greetings_topic = app.topic('greetings') 
 
@app.agent(greetings_topic) 
async def greet(greetings): 
    async for greeting in greetings: 
        print(greeting) 

首先，我们使用 faust.App 创建一个 Faust 应用，并配置应用的名字、Kafka broker 和序列化方式。

然后，我们创建一个主题，这跟 Kafka 中的主题是对应的。

Faust 利用 Python 3.6+ 的异步语法 async，定义异步函数 greet，并注册为 Faust 应用的一个 agent。函数接收实时的数据集合 greetings，并异步地对每项数据进行输出。

把上述代码保存为 hello_world.py，并在命令行启动工作者：

$ faust -A hello_world worker -l info 

该 Faust 工作者就会从 Kafka 中实时读取数据并处理。

我们可以发送一些数据来观察效果：

$ faust -A hello_world send @greet "Hello Faust" 

上述命令发送了一条消息，执行后，我们就能在工作者的命令行中看到这条消息。

Faust 还充分利用了 Python 的类型提示，能够方便地定义数据模型：

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
import faust 
 
class Greeting(faust.Record): 
    from_name: str 
    to_name: str 
 
app = faust.App('hello-app', broker='kafka://localhost') 
topic = app.topic('hello-topic', value_type=Greeting) 
 
@app.agent(topic) 
async def hello(greetings): 
    async for greeting in greetings: 
        print(f'Hello from {greeting.from_name} to {greeting.to_name}') 
 
@app.timer(interval=1.0) 
async def example_sender(app): 
    await hello.send( 
        value=Greeting(from_name='Faust', to_name='you'), 
    ) 
 
if __name__ == '__main__': 
    app.main() 

总结

Faust 把 Kafka Streams 带到了 Python 中，实现了简洁高效的数据流处理。其使用简单的装饰器和基于类型提示机的据模型，就能定义实现数据的处理逻辑;充分利用了 Python 的 async 异步机制，和其他高性能的异步库，实现了高效性能;其使用 Python 实现，使用开发者可以无缝对接其他数据处理和大数据相关功能。