SparkStreaming整合Kafka过程详解

更新时间：2023年01月27日 10:48:24 作者：健鑫.

这篇文章主要介绍了SparkStreaming整合Kafka过程，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习吧

Spark Streaming连接kafka 的两种方式

Receiver based Approah

KafkaUtils.createDstream基于接收器方式，消费Kafka数据，已淘汰
Receiver作为Task运行在Executor等待数据，一个Receiver效率低，需要开启多个，再手动合并数据，很麻烦
Receiver挂了，可能丢失数据，需要开启WAL(预写日志)保证数据安全，效率低
通过Zookeeper来连接kafka，offset存储再zookeeper中
spark消费的时候为了保证数据不丢也会保存一份offset，可能出现数据不一致

Direct Approach

KafkaUtils.createDirectStream直连方式，streaming中每个批次的job直接调用Simple Consumer API获取对应Topic数据
Direct方式直接连接kafka分区获取数据，提高了并行能力
Direct方式调用kafka低阶API，offset自己存储和维护，默认由spark维护在checkpoint中
offset也可以自己手动维护，保存在mysql/redis中

// 从kafka加载数据
val kafkaParams = Map[String, Object](
  "bootstrap.servers" -> "hadoop102:9092",//kafka集群地址
  "key.deserializer" -> classOf[StringDeserializer],//key的反序列化规则
  "value.deserializer" -> classOf[StringDeserializer],//value的反序列化规则
  "group.id" -> "sparkdemo",//消费者组名称
  //earliest:表示如果有offset记录从offset记录开始消费,如果没有从最早的消息开始消费
  //latest:表示如果有offset记录从offset记录开始消费,如果没有从最后/最新的消息开始消费
  //none:表示如果有offset记录从offset记录开始消费,如果没有就报错
  "auto.offset.reset" -> "latest",
  "auto.commit.interval.ms"->"1000",//自动提交的时间间隔
  "enable.auto.commit" -> (true: java.lang.Boolean)//是否自动提交
)
val topics = Array("spark_kafka")//要订阅的主题
//使用工具类从Kafka中消费消息
val kafkaDS: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
  ssc,
  LocationStrategies.PreferConsistent, //位置策略,使用源码中推荐的
  ConsumerStrategies.Subscribe[String, String](topics, kafkaParams) //消费策略,使用源码中推荐的
)

代码展示

自动提交偏移量

object kafka_Demo01 {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[*]").setAppName("kafka_Demo01")
    val sc = new SparkContext(conf)
    val ssc = new StreamingContext(sc, Seconds(5))
    ssc.checkpoint("data/ckp")
    // 从kafka加载数据
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "hadoop102:9092",//kafka集群地址
      "key.deserializer" -> classOf[StringDeserializer],//key的反序列化规则
      "value.deserializer" -> classOf[StringDeserializer],//value的反序列化规则
      "group.id" -> "sparkdemo",//消费者组名称
      //earliest:表示如果有offset记录从offset记录开始消费,如果没有从最早的消息开始消费
      //latest:表示如果有offset记录从offset记录开始消费,如果没有从最后/最新的消息开始消费
      //none:表示如果有offset记录从offset记录开始消费,如果没有就报错
      "auto.offset.reset" -> "latest",
      "auto.commit.interval.ms"->"1000",//自动提交的时间间隔
      "enable.auto.commit" -> (true: java.lang.Boolean)//是否自动提交
    )
    val topics = Array("spark_kafka")//要订阅的主题
    //使用工具类从Kafka中消费消息
    val kafkaDS: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent, //位置策略,使用源码中推荐的
      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams) //消费策略,使用源码中推荐的
    )
    // 处理消息
    val infoDS = kafkaDS.map(record => {
      val topic = record.topic()
      val partition = record.partition()
      val offset = record.offset()
      val key = record.key()
      val value = record.value()
      val info: String = s"""topic:${topic}, partition:${partition}, offset:${offset}, key:${key}, value:${value}"""
      info
    })
    // 输出
    infoDS.print()
    ssc.start()
    ssc.awaitTermination()
    ssc.stop(true, true)
  }
}

手动提交

提交代码

// 处理消息
//注意提交的时机:应该是消费完一小批就该提交一次offset,而在DStream一小批的体现是RDD
kafkaDS.foreachRDD(rdd => {
  rdd.foreach(record => {
    val topic = record.topic()
    val partition = record.partition()
    val offset = record.offset()
    val key = record.key()
    val value = record.value()
    val info: String = s"""topic:${topic}, partition:${partition}, offset:${offset}, key:${key}, value:${value}"""
    info
    println("消费" + info)
  })
  //获取rdd中offset相关的信息:offsetRanges里面就包含了该批次各个分区的offset信息
  val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
  //提交
  kafkaDS.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
  println("当前批次的数据已消费并手动提交")
})

完整代码

object kafka_Demo02 {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[*]").setAppName("kafka_Demo01")
    val sc = new SparkContext(conf)
    val ssc = new StreamingContext(sc, Seconds(5))
    ssc.checkpoint("data/ckp")
    // 从kafka加载数据
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "hadoop102:9092",//kafka集群地址
      "key.deserializer" -> classOf[StringDeserializer],//key的反序列化规则
      "value.deserializer" -> classOf[StringDeserializer],//value的反序列化规则
      "group.id" -> "sparkdemo",//消费者组名称
      //earliest:表示如果有offset记录从offset记录开始消费,如果没有从最早的消息开始消费
      //latest:表示如果有offset记录从offset记录开始消费,如果没有从最后/最新的消息开始消费
      //none:表示如果有offset记录从offset记录开始消费,如果没有就报错
      "auto.offset.reset" -> "latest",
//      "auto.commit.interval.ms"->"1000",//自动提交的时间间隔
      "enable.auto.commit" -> (false: java.lang.Boolean)//是否自动提交
    )
    val topics = Array("spark_kafka")//要订阅的主题
    //使用工具类从Kafka中消费消息
    val kafkaDS: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent, //位置策略,使用源码中推荐的
      ConsumerStrategies.Subscribe[String, String](topics, kafkaParams) //消费策略,使用源码中推荐的
    )
    // 处理消息
    //注意提交的时机:应该是消费完一小批就该提交一次offset,而在DStream一小批的体现是RDD
    kafkaDS.foreachRDD(rdd => {
      rdd.foreach(record => {
        val topic = record.topic()
        val partition = record.partition()
        val offset = record.offset()
        val key = record.key()
        val value = record.value()
        val info: String = s"""topic:${topic}, partition:${partition}, offset:${offset}, key:${key}, value:${value}"""
        info
        println("消费" + info)
      })
      //获取rdd中offset相关的信息:offsetRanges里面就包含了该批次各个分区的offset信息
      val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
      //提交
      kafkaDS.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
      println("当前批次的数据已消费并手动提交")
    })
    // 输出
    kafkaDS.print()
    ssc.start()
    ssc.awaitTermination()
    ssc.stop(true, true)
  }
}

到此这篇关于SparkStreaming整合Kafka过程详解的文章就介绍到这了,更多相关SparkStreaming整合Kafka内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

SpringBoot实现接口参数加密解密的示例代码
加密解密本身并不是难事，问题是在何时去处理？SpringMVC 中给我们提供了 ResponseBodyAdvice 和 RequestBodyAdvice，利用这两个工具可以对请求和响应进行预处理，非常方便。废话不多说，我们一起来学习一下
2022-09-09
Java 如何同时返回多个不同类型
这篇文章主要介绍了Java 同时返回多个不同类型的方法，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-08-08
浅谈Springboot整合RocketMQ使用心得
本篇文章主要介绍了Springboot整合RocketMQ使用心得，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-01-01
Java线程Timer定时器用法详细总结
在本篇文章里小编给大家整理的是关于Java线程Timer定时器用法详细总结内容，需要的朋友们学习下吧。
2020-02-02
Spring 使用Validation 验证框架的问题详解
Spring Boot在内部通过集成hibernate-validation已经实现了JSR-349验证规范接口，在Spring Boot项目中只要直接使用就行了。一般用在Controller中用于验证前端传来的参数。这篇文章给大家介绍Spring Validation 验证框架的相关知识，感兴趣的朋友一起看看吧
2021-07-07
eclipse实现DSA数字签名
这篇文章主要为大家详细介绍了eclipse实现DSA数字签名算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2020-06-06
Java日常练习题,每天进步一点点(35)
下面小编就为大家带来一篇Java基础的几道练习题(分享)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧，希望可以帮到你
2021-07-07
浅谈collection标签的oftype属性能否为java.util.Map
这篇文章主要介绍了collection标签的oftype属性能否为java.util.Map，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-02-02
详解mybatis collection标签一对多的使用
这篇文章主要介绍了mybatis collection标签一对多的使用，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-06-06
Java实现斗地主与猜数字游戏详细流程
这篇文章主要介绍了怎么用Java来写斗地主种洗牌和发牌的功能，以及猜数字的游戏，斗地主相信大家都知道，同时也知道每一局都要洗牌打乱顺序再发牌，本篇我们就来实现它们能，感兴趣的朋友跟随文章往下看看吧
2022-04-04