Java Kafka流窗口聚合不工作

我正在实现SpringJava应用程序，该应用程序需要使用事件（表示事务），按用户ID（这是关键）对它们进行分组，对它们进行计数并求和，然后将它们保存到数据库中。由于预计会有大量的事务，所以我尝试使用Kafka streams的窗口机制来聚合一些关闭的事务（关闭意味着接近时间），并将这些聚合对象保存到数据库中。这样可以减少对数据库的调用

以下是示例代码：

public class Event {

    long userId;

    double amount;
    ...  
}


public class Aggregation {

    long userId;

    int count;

    double amount;
    ...
}

public Function<KStream<String, Event>,
        KStream<String, Aggregation>> process() {
    return input -> input
            .groupByKey()
            .windowedBy(TimeWindows.of(Duration.ofSeconds(2)).grace(Duration.ZERO))
            .aggregate(
                    Aggregation::new,
                    this::aggregation,
                    Materialized.with(Serdes.String(), aggregationSerde)
            )
            .suppress(Suppressed.untilWindowCloses(unbounded()))
            .toStream()
            .map((key, value) -> new KeyValue<>(key.key(), value)); 
}

public Aggregation aggregation(String key, Event event, Aggregation aggregation) {
    log.info("Aggregating event for key={} event={} aggregation={}",
            key, event, aggregation);

    aggregation.incrementCount();
    aggregation.addAmount(event.getAmount());

    return aggregation;
}

公共类事件{
长用户标识；
双倍金额；
...  
}
公共类聚合{
长用户标识；
整数计数；
双倍金额；
...
}
公共职能流程（）{
返回输入->输入
.groupByKey（）
.windowedBy（TimeWindows.of（持续时间秒（2））.grace（持续时间零））
.合计(
聚合：：新，
这是聚合，
具体化的.with（Serdes.String（），aggregationSerde）
)
.suppress（supprested.untilwindowclose（unbounded（）））
.toStream（）
.map（（key，value）->新的KeyValue（key.key（），value））；
}
公共聚合（字符串键、事件、聚合）{
log.info（“聚合键的事件={}事件={}聚合={}”，
键、事件、聚合）；
aggregation.incrementCount（）；
aggregation.addAmount（event.getAmount（））；
收益聚合；
}

据我所知，聚合应该像常规Stream.reduce（）方法一样工作，它提供了初始值，然后是一个表示如何将每个元素添加到结果的方法（“聚合”方法），该方法接收新事件（第一个和第二个参数）的键和值，以及迄今为止计算的结果（第三个参数）。但是，通过登录“aggregation”方法，在每次调用它时，我可以看到第3个参数实际上是一个新的聚合对象，就像没有任何对象被分组或放置在同一个窗口中一样（并且在2秒内有数据使用相同的键）

有一次，我怀疑按键分组不能正常工作（每个事件都属于它自己的组，因此聚合永远不会发生），但我还没有找到一种方法来检查这一点。有没有办法记录每个事件的组/窗口id之类的内容，并检查它们放在哪里

所以，以数据库结尾的数据实际上是正确的，但对数据库的插入/更新的数量并没有减少。有人知道我做错了什么吗

谢谢