ArkFlow – 高性能 Rust 流处理引擎

[chenquan]

github: https://github.com/chenquan/arkflow

高性能 Rust 流处理引擎，提供强大的数据流处理能力，支持多种输入输出源和处理器。

特性

• 高性能：基于 Rust 和 Tokio 异步运行时构建，提供卓越的性能和低延迟
• 多种数据源：支持 Kafka 、MQTT 、HTTP 、文件等多种输入输出源
• 强大的处理能力：内置 SQL 查询、JSON 处理、Protobuf 编解码、批处理等多种处理器
• 可扩展：模块化设计，易于扩展新的输入、输出和处理器组件

安装

从源码构建

# 克隆仓库
git clone https://github.com/chenquan/arkflow.git
cd arkflow

# 构建项目
cargo build --release

# 运行测试
cargo test

快速开始

1. 创建配置文件 config.yaml：

logging:
  level: info
streams:
  - input:
      type: "generate"
      context: '{ "timestamp": 1625000000000, "value": 10, "sensor": "temp_1" }'
      interval: 1s
      batch_size: 10

    pipeline:
      thread_num: 4
      processors:
        - type: "json_to_arrow"
        - type: "sql"
          query: "SELECT * FROM flow WHERE value >= 10"
        - type: "arrow_to_json"

    output:
      type: "stdout"

1. 运行 ArkFlow：

./target/release/arkflow --config config.yaml

配置说明

ArkFlow 使用 YAML 格式的配置文件，支持以下主要配置项：

顶级配置

logging:
  level: info  # 日志级别：debug, info, warn, error

streams:       # 流定义列表
  - input:      # 输入配置
      # ...
    pipeline:   # 处理管道配置
      # ...
    output:     # 输出配置
      # ...

输入组件

ArkFlow 支持多种输入源：

• Kafka：从 Kafka 主题读取数据
• MQTT：从 MQTT 主题订阅消息
• HTTP：通过 HTTP 接收数据
• 文件：从文件读取数据
• 生成器：生成测试数据
• SQL：从数据库查询数据

示例：

input:
  type: kafka
  brokers:
    - localhost:9092
  topics:
    - test-topic
  consumer_group: test-group
  client_id: arkflow
  start_from_latest: true

处理器

ArkFlow 提供多种数据处理器：

• JSON：JSON 数据处理和转换
• SQL：使用 SQL 查询处理数据
• Protobuf：Protobuf 编解码
• 批处理：将消息批量处理

示例：

pipeline:
  thread_num: 4
  processors:
    - type: json_to_arrow
    - type: sql
      query: "SELECT * FROM flow WHERE value >= 10"
    - type: arrow_to_json

输出组件

ArkFlow 支持多种输出目标：

• Kafka：将数据写入 Kafka 主题
• MQTT：将消息发布到 MQTT 主题
• HTTP：通过 HTTP 发送数据
• 文件：将数据写入文件
• 标准输出：将数据输出到控制台

示例：

output:
  type: kafka
  brokers:
    - localhost:9092
  topic: output-topic
  client_id: arkflow-producer

示例

Kafka 到 Kafka 的数据处理

streams:
  - input:
      type: kafka
      brokers:
        - localhost:9092
      topics:
        - test-topic
      consumer_group: test-group

    pipeline:
      thread_num: 4
      processors:
        - type: json_to_arrow
        - type: sql
          query: "SELECT * FROM flow WHERE value > 100"
        - type: arrow_to_json

    output:
      type: kafka
      brokers:
        - localhost:9092
      topic: processed-topic

生成测试数据并处理

streams:
  - input:
      type: "generate"
      context: '{ "timestamp": 1625000000000, "value": 10, "sensor": "temp_1" }'
      interval: 1ms
      batch_size: 10000

    pipeline:
      thread_num: 4
      processors:
        - type: "json_to_arrow"
        - type: "sql"
          query: "SELECT count(*) FROM flow WHERE value >= 10 group by sensor"
        - type: "arrow_to_json"

    output:
      type: "stdout"

欢迎大家讨论，一起完善它哈，
感兴趣的朋友可以帮忙点个星星哦！

[chenquan]

https://news.ycombinator.com/item?id=43358682

[des]

基于 yaml 配置文件配置的？感觉迟早是个麻烦的事，除非你一次配置好就不改了

[chenquan]

@des 是的，目前的设计中是采用 yaml 配置哈，不过今后会考虑使用动态更新 yaml 配置的方式来提升体验。如果有更好的方式欢迎随时交流哈

[3085570450tt]

已 star. 同 2 楼一样，yaml 配置可能会劝退一部分人；
对比其他类似的流引擎，比如 risingwave/arroyo, 发现似乎轻量是它的优点？目前暂时没有 benchmark 可用参考的，同时其他两个工具支持的数据源格式更多；
计划有没有其他客户端 sdk, 比如 node/python 等等，与引擎本身进行交互等
如果暂时支持不了更多数据源，是否将数据源 input/output 这一块，抽离成扩展的方式，让用户自定义更好呢？

[chenquan]

@3085570450tt
1. 目前其实 yaml 的配置也很简单的，但是也有一定的门槛（适合用于一定开发经验的人），这个在后期会进一步优化哈。
2. input 、output 、processor 已经支持扩展（ https://github.com/chenquan/arkflow/pull/75 ），会尽快完善这块的内容。

[chenquan]

@3085570450tt 欢迎继续关注 arkflow 、有什么想法可以畅所欲言。