Byzer 内置了加载流式数据的能力，本章节我们会介绍如何通过 Byzer 加载流式数据源如 Kafka 中的数据。

加载 Kafka 流式数据源

Byzer 显示的支持 Kafka 作为流式数据源，也支持将其作为普通数据源进行 AdHoc 加载，性能同样可观。

本章只介绍数据加载，想了解更多流式编程细节，请查看 使用 Byzer 处理流数据。

1. 流式加载

注意： Byzer 支持 0.10 以上 Kafka 版本

流式加载数据源，需要使用 kafka 关键字，并通过 kafka.bootstrap.servers 参数指定服务器地址，如下示例：

> LOAD kafka.`$topic_name` OPTIONS
  `kafka.bootstrap.servers`="${your_servers}"
  AS kafka_post_parquet;

2. AdHoc加载

AdHoc 加载数据源，需要使用 AdHoc 关键字，并通过 kafka.bootstrap.servers 参数指定服务器地址，如下示例：

> LOAD adHocKafka.`$topic_name` WHERE 
  kafka.bootstrap.servers="${your_servers}"
  and multiplyFactor="2" 
  AS table1;
  
> SELECT count(*) FROM table1 WHERE value LIKE "%yes%" AS output;

multiplyFactor 代表设置两个线程扫描同一个分区，同时提升两倍的并行度，加快速度。

Byzer 还提供一些高级参数来指定范围，它们是成组出现的：

通过时间

timeFormat：指定日期格式 startingTime：指定开始时间 endingTime：指定结束时间

通过offset

staringOffset：指定起始位置 staringOffset：指定结束位置

通过offset需要指定每个分区的起始结束，比较麻烦，使用较少。

加载 MockStream 流式数据源

Byzer 显示的支持 MockStream。它可以用来模拟数据源，广泛应用于测试场景中。

本章只介绍数据加载，想了解更多流式编程细节，请查看 使用 Byzer 处理流数据。

模拟输入数据源

下面是个简单的例子：

-- 模拟数据
> SET data='''
{"key":"yes","value":"no","topic":"test","partition":0,"offset":0,"timestamp":"2008-01-24 18:01:01.001","timestampType":0}
{"key":"yes","value":"no","topic":"test","partition":0,"offset":1,"timestamp":"2008-01-24 18:01:01.002","timestampType":0}
{"key":"yes","value":"no","topic":"test","partition":0,"offset":2,"timestamp":"2008-01-24 18:01:01.003","timestampType":0}
{"key":"yes","value":"no","topic":"test","partition":0,"offset":3,"timestamp":"2008-01-24 18:01:01.003","timestampType":0}
{"key":"yes","value":"no","topic":"test","partition":0,"offset":4,"timestamp":"2008-01-24 18:01:01.003","timestampType":0}
{"key":"yes","value":"no","topic":"test","partition":0,"offset":5,"timestamp":"2008-01-24 18:01:01.003","timestampType":0}
''';

-- 将数据加载成表
> LOAD jsonStr.`data` as datasource;

-- 将表转化成流式数据源
> LOAD mockStream.`datasource` options
  stepSizeRange="0-3"
  AS newkafkatable1;

stepSizeRange 控制每个周期发送的数据条数，例子中 0-3 代表 0 到 3 条数据。