Faust - 简洁高效的 Python 流处理库

在分布式系统和实时数据处理中，简洁高流处理是流处理库十分重要的技术。在数据密集型应用中，简洁高数据快速到达，流处理库转瞬即逝，简洁高需要及时进行处理，流处理库流式处理强调数据和事件的简洁高处理速度，对性能和可靠性有较高的流处理库要求。

流处理框架包括：Storm，简洁高Spark Streaming 和 Flink 等，流处理库而 Kafka 也不甘示弱，简洁高推出了分布式流处理平台 Kafka Streams。流处理库 Faust 把 Kafka Streams 带到了 Python，简洁高并实现了抽象和优化，流处理库为数据和事件的简洁高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。亿华云

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。

Faust

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。

Faust

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 中的主题是源码库对应的。

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：

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(fHello 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() 

Faust

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。

亿华云计算

很赞哦!（44）