Java 卡夫卡流式传输消息中的总字数

我有一个关于使用卡夫卡流计算消息中的单词的问题。基本上，我想计算单词的总数，而不是计算单词的每个实例。 因此，与其

all     1
streams 1
lead    1
to      1
kafka   1

我需要

totalWordCount   5

或者类似的东西

我尝试了多种方法来解决这部分代码：

KTable<String, Long> wordCounts = textLines
    .flatMapValues(value -> Arrays.asList(value.toLowerCase().split("\\W+")))
    .groupBy((key, value) -> value)
    .count();

KTable wordCounts=文本行
.flatMapValues（值->数组.asList（值.toLowerCase（）.split（\\W+）））
.groupBy（（键，值）->value）
.count（）；

例如添加

。选择key（（key，value）->“totalWordCount”）

尝试将每个键（all，streams等）更改为totalWordCount，认为它会自动递增 我还尝试使用编辑我的代码，以尝试实现总字数

---

我没有成功，在做了更多的工作之后，现在我认为我的做法是错误的。似乎我需要做的是有3个主题（我只与2个主题合作）和2个制作人，其中最后一个制作人以某种方式从第一个制作人那里获取数据（显示每个实例的字数），并基本上将数字相加以输出总字数，但我不完全确定如何处理。非常感谢您的帮助/指导。谢谢。

你把

selectKey（）放在哪里了？这个想法基本上是正确的，但是请注意，
groupBy（）
也设置了键

KTable wordCounts=文本行
.flatMapValues（值->数组.asList（值.toLowerCase（）.split（\\W+）））
.groupBy（（键，值）->“totalWordCount”）
.count（）；

或者（使用
groupByKey（）
在聚合之前不更改键）

KTable wordCounts=文本行
.选择键（（键，值）->“totalWordCount”）
.flatMapValues（值->数组.asList（值.toLowerCase（）.split（\\W+）））
.groupByKey（）
.count（）；
您把
selectKey（）放在哪里了？这个想法基本上是正确的，但是请注意，
groupBy（）
也设置了键

KTable wordCounts=文本行
.flatMapValues（值->数组.asList（值.toLowerCase（）.split（\\W+）））
.groupBy（（键，值）->“totalWordCount”）
.count（）；

或者（使用
groupByKey（）
在聚合之前不更改键）

KTable wordCounts=文本行
.选择键（（键，值）->“totalWordCount”）
.flatMapValues（值->数组.asList（值.toLowerCase（）.split（\\W+）））
.groupByKey（）
.count（）；
@配置
@使能卡夫卡团队
公共类FirstStreamApp{
@豆子
公共KStream流程（StreamsBuilder builder）{
KStream inputStream=builder.stream（“streamIn”，consumered.with（Serdes.String（），Serdes.String（））；
KStream upperCaseStream=inputStream.mapValues（value->value.toUpperCase（））；
upperCaseStream.to（“outTopic”，producted.with（Serdes.String（），Serdes.String（））；
KTable wordCounts=upperCaseStream.flatMapValues（v->array.asList（v.split（“”））。选择key（（k，v）->v）。groupByKey（）。
计数（具体化为（“计数存储”）；
toStream（）.to（“wordCountTopic”，产生于.with（Serdes.String（），Serdes.Long（））；
返回上游；
}
}
@配置
@使能卡夫卡团队
公共类FirstStreamApp{
@豆子
公共KStream流程（StreamsBuilder builder）{
KStream inputStream=builder.stream（“streamIn”，consumered.with（Serdes.String（），Serdes.String（））；
KStream upperCaseStream=inputStream.mapValues（value->value.toUpperCase（））；
upperCaseStream.to（“outTopic”，producted.with（Serdes.String（），Serdes.String（））；
KTable wordCounts=upperCaseStream.flatMapValues（v->array.asList（v.split（“”））。选择key（（k，v）->v）。groupByKey（）。
计数（具体化为（“计数存储”）；
toStream（）.to（“wordCountTopic”，产生于.with（Serdes.String（），Serdes.Long（））；
返回上游；
}
}
aha！我把
selectKey（）
放在
flatMapValues（）之后。
谢谢！实际的解决方法是将
groupBy（）
更改为
groupByKey（）
。将
selectKey（）
放在
flapMapValue（）
之后同样有效--
flatMapValues（）
不会修改该键，因此在此之前或之后更改它是相同的。啊哈！我把
selectKey（）
放在
flatMapValues（）之后。
谢谢！实际的解决方法是将
groupBy（）
更改为
groupByKey（）
。将
selectKey（）
放在
flapMapValue（）
之后同样有效--
flatMapValues（）
不会修改该键，因此在此之前或之后更改它是相同的。
@Configuration
@EnableKafkaStreams
public class FirstStreamApp {

@Bean
public KStream<String,String> process(StreamsBuilder builder){
    KStream<String,String> inputStream = builder.stream("streamIn", Consumed.with(Serdes.String(),Serdes.String()));
    KStream<String,String> upperCaseStream = inputStream.mapValues(value->value.toUpperCase());
   upperCaseStream.to("outTopic", Produced.with(Serdes.String(),Serdes.String()));

    KTable<String, Long> wordCounts = upperCaseStream.flatMapValues(v-> Arrays.asList(v.split(" "))).selectKey((k, v) -> v).groupByKey().
           count(Materialized.<String, Long, KeyValueStore<Bytes, byte[]>>as("counts-store"));
    wordCounts.toStream().to("wordCountTopic", Produced.with(Serdes.String(),Serdes.Long()));

    return upperCaseStream;
}

}