Spark Streaming 整合 Kafka，实现交流

浅浅的花香味﹌ 2022-10-05 01:53 206阅读 0赞

### Spark Streaming 整合 Kafka ###

*   *  一、了解 Spark Streaming 整合 Kafka
     *   *  1.1 KafkaUtis.createDstream方式
     *  二、实战
     *   *  2.1 导入依赖（与spark版本一致）
         *  2.2 案列：KafkaUtis.createDstream方式实现词频统计
         *   *  2.2.1 创建Topic，指定消息类别
         *  1.2 KafkaUtis.createDirectStream方式
         *  2.3 实例：
         *   *  2.3.1 创建Topic，指定消息类别

--------------------

[1、MySQL安装教程][1_MySQL]

[2、Spark Streaming 实现网站热词排序][2_Spark Streaming]

[3、Spark Streaming 实时计算框架][3_Spark Streaming]

[4、Spark Streaming 整合 Kafka，实现交流][4_Spark Streaming _ Kafka]

--------------------

## 一、了解 Spark Streaming 整合 Kafka ##

Kafka作为一个实时的分布式消息队列，实时地生产和消费消息。在大数据计算框架中，可利用Spark Streaming实时读取Kafka中的数据，再进行相关计算。

在Spark1.3版本后， KafkaUtils里面提供了两个创建DStream的方式，一种是**KafkaUtis.createDstream** 方式，另一种为 **KafkaUtils.createDirectStream**方式。

### 1.1 KafkaUtis.createDstream方式 ###

KatkaUtils.createDstream 是通过 Zookeeper 连接Kafka ， receivers接收器从Kafka中获取数据，并且所有receivers获取到的数据都会保存在Spark executors中，然后通过Spark Streaming启动job来外理这些数据。

--------------------

## 二、实战 ##

### 2.1 导入依赖（与spark版本一致） ###

<dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming-kafka-0-8_2.11</artifactId>
        <version>2.4.0</version>
    </dependency>

--------------------

### 2.2 案列：KafkaUtis.createDstream方式实现词频统计 ###

import org.apache.spark.streaming.dstream.{
        DStream, ReceiverInputDStream}
    import org.apache.spark.streaming.kafka.KafkaUtils
    import org.apache.spark.streaming.{
        Seconds, StreamingContext}
    import org.apache.spark.{
        SparkConf, SparkContext}
    import scala.collection.immutable
    
    object SparkStreaming_Kafka_createDstream {
        
      def main(args: Array[String]): Unit = {
        
        //1.创建sparkConf,并开启wal预写日志，保存数据源
        val sparkConf: SparkConf = new SparkConf().setAppName("SparkStreaming_Kafka_createDstream").setMaster("local[4]")
          .set("spark.streaming.receiver.writeAheadLog.enable", "true")
        //2.创建sparkContext
        val sc = new SparkContext(sparkConf)
        //3.设置日志级别
        sc.setLogLevel("WARN")
        //3.创建StreamingContext
        val ssc = new StreamingContext(sc, Seconds(5))
        //4.设置checkpoint
        ssc.checkpoint("./Kafka_Receiver")
        //5.定义zk地址
        val zkQuorum = "master:2181,slave1:2181,slave2:2181"
        //6.定义消费者组
        val groupId = "spark_receiver"
        //7.定义topic相关信息 Map[String, Int],这里的value并不是topic分区数,它表示的topic中每一个分区被N个线程消费
        val topics = Map("kafka_spark" -> 1)
        //8.通过KafkaUtils.createDstream对接kafka这时相当于同时开启3个receiver接受数据
        val receiverDstream:immutable.IndexedSeq[ReceiverInputDStream[(String,String)]] = (1 to 3)
          .map(x => {
         val stream: ReceiverInputDStream[(String, String)] = KafkaUtils.createStream(ssc,zkQuorum,groupId,topics)
          stream
        })
        //9.使用ssc中的union方法合并所有的receiver中的数据
        val unionDStream: DStream[(String, String)] = ssc.union(receiverDstream)
        //10.SparkStreaming获取topic中的数据
        val topicData: DStream[String] = unionDStream.map(_._2)
        //11.按空格进行切分每一行,并将切分的单词出现次数记录为1
        val wordAndOne: DStream[(String, Int)] = topicData.flatMap(_.split(" ")).map((_, 1))
        //12.统计单词在全局中出现的次数
        val result: DStream[(String, Int)] = wordAndOne.reduceByKey(_ + _)
        //13.打印输出结果
        result.print()
        //14.开启流式计算
        ssc.start()
        ssc.awaitTermination()
      }
    }

--------------------

#### 2.2.1 创建Topic，指定消息类别 ####

在hadoop集群开启基础上，启动kafka(三个节点)

/usr/kafka/kafka_2.11-2.4.0/bin/kafka-server-start.sh config/server.propertie

// 创建kafak主题
    kafka-topics.sh --create --topic kafka_spark --partitions 3 --replication-factor 1 --zookeeper master:2181,slave1:2181,slave2:2181

// 启动生产者
    kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9092 --topic kafka_spark
    
    // 发送信息（输入值）
    hbase hbase hadoop kafka
    hadoop hbase kafka kafka
    itcast itcast hadoop kafka hbase

![在这里插入图片描述][20210605180913777.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc3NTI1NQ_size_16_color_FFFFFF_t_70]

词频统计结果完成。但是**KafkaUtis.createDstream**方式在系统出现异常时，重新启动程序运行，会发现程序会重复处理已经处理过的数据。因此官方不推荐这种方式，从而推荐**KafkaUtis.createDirectStream** 方式。

--------------------

### 1.2 KafkaUtis.createDirectStream方式 ###

当接收数据时，它会定期地从Kafka中Topic对应Partition中查询最新的偏移量，再根据偏移量范围在每个batch里面处理数据，然后Spark通过调用Kafka简单的消费者API (即低级API )来读取一定范围的数据。

### 2.3 实例： ###

import kafka.serializer.StringDecoder
    import org.apache.spark.streaming.dstream.{
        DStream, InputDStream}
    import org.apache.spark.streaming.kafka.KafkaUtils
    import org.apache.spark.streaming.{
        Seconds, StreamingContext}
    import org.apache.spark.{
        SparkConf, SparkContext}
    
    object SparkStreaming_Kafka_createDirectStream {
        
      def main(args: Array[String]): Unit = {
        
        //1.创建sparkConf
        val sparkConf: SparkConf = new SparkConf()
          .setAppName("SparkStreaming_Kafka_createDirectStream").setMaster("local[2]")
        //2.创建sparkContext
        val sc = new SparkContext(sparkConf)
        //3.设置日志级别
        sc.setLogLevel("WARN")
        //4.创建StreamingContext
        val ssc = new StreamingContext(sc,Seconds(5))
        //5.设置chectPoint
        ssc.checkpoint("./Kafka_Direct")
        //6.配置kafka相关参数 （metadata.broker.list为老版本的集群地址）
        val kafkaParams=Map("metadata.broker.list"->"master:9092,slave1:9092,slave2:9092","group.id"->"spark_direct")
        //7.定义topic
        val topics=Set("kafka_direct0")
        //8.通过低级api方式将kafka与sparkStreaming进行整合
        val dstream: InputDStream[(String, String)] = KafkaUtils.createDirectStream[String,String,StringDecoder,StringDecoder](ssc,kafkaParams,topics)
        //9.获取kafka中topic中的数据
        val topicData: DStream[String] = dstream.map(_._2)
        //10.按空格进行切分每一行,并将切分的单词出现次数记录为1
        val wordAndOne: DStream[(String, Int)] = topicData.flatMap(_.split(" ")).map((_,1))
        //11.统计单词在全局中出现的次数
        val result: DStream[(String, Int)] = wordAndOne.reduceByKey(_+_)
        //12.打印输出结果
        result.print()
        //13.开启流式计算
        ssc.start()
        ssc.awaitTermination()
      }
    }

执行程序。

--------------------

#### 2.3.1 创建Topic，指定消息类别 ####

// 创建主题
    kafka-topics.sh --create --topic kafka_direct0 --partitions 3 --replication-factor 2 --zookeeper master:2181,slave1:2181,slave2:2181

**启动Kafka消息生产者**

kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9092 --topic kafka_direct0
    
    // 输入数据
    hbase hbase hadoop kafka
    itcast itcast hadoop kafka hbase

![在这里插入图片描述][20210605182205552.png]  
![在这里插入图片描述][20210605182236663.png]  
词频统计结果完成。

[1_MySQL]: https://blog.csdn.net/weixin_44775255/article/details/115662187
[2_Spark Streaming]: https://blog.csdn.net/weixin_44775255/article/details/117601297
[3_Spark Streaming]: https://blog.csdn.net/weixin_44775255/article/details/116784428
[4_Spark Streaming _ Kafka]: https://blog.csdn.net/weixin_44775255/article/details/117602040
[20210605180913777.png]: /images/20221005/3f49b63db4c94c1d9af7603f6c57105c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc3NTI1NQ_size_16_color_FFFFFF_t_70]: /images/20221005/50e575be794e49499e218905e9fb4e5d.png
[20210605182205552.png]: /images/20221005/661ee98b84a343298325a61297e749be.png
[20210605182236663.png]: /images/20221005/b56a5010658f42ed9c8251753245ec6b.png