Kafka+Storm+HBase项目Demo(4)--Kafka使用

第一个需求是按地区实时计算销售额，并进行3D柱图实时展示结果，含周同比。图表的数据3s自动更新。
期望效果

项目的架构：

从Kafka开始。这里介绍Kafka一些概念。
Kafka is a distributed,partitioned,replicated commit logservice。它提供了类似于JMS的特性，但是在设计实现上完全不同，此外它并不是JMS规范的实现。kafka对消息保存时根据Topic进行归类，发送消息者成为Producer,消息接受者成为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。

Topics/logs
一个Topic可以认为是一类消息，每个topic将被分成多个partition(区),每个partition在存储层面是append log文件。任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量），offset为一个long型数字，它是唯一标记一条消息。它唯一的标记一条消息。kafka并没有提供其他额外的索引机制来存储offset，因为在kafka中几乎不允许对消息进行“随机读写”。

Producers
Producer将消息发布到指定的Topic中,同时Producer也能决定将此消息归属于哪个partition;比如基于”round-robin”方式或者通过其他的一些算法等.

Consumers
本质上kafka只支持Topic.每个consumer属于一个consumer group;反过来说,每个group中可以有多个consumer.发送到Topic的消息,只会被订阅此Topic的每个group中的一个consumer消费.
如果所有的consumer都具有相同的group,这种情况和queue模式很像;消息将会在consumers之间负载均衡.
如果所有的consumer都具有不同的group,那这就是”发布-订阅”;消息将会广播给所有的消费者.
在kafka中,一个partition中的消息只会被group中的一个consumer消费;每个group中consumer消息消费互相独立;我们可以认为一个group是一个”订阅”者,一个Topic中的每个partions,只会被一个”订阅者”中的一个consumer消费,不过一个consumer可以消费多个partitions中的消息.kafka只能保证一个partition中的消息被某个consumer消费时,消息是顺序的.事实上,从Topic角度来说,消息仍不是有序的.
kafka的设计原理决定,对于一个topic,同一个group中不能有多于partitions个数的consumer同时消费,否则将意味着某些consumer将无法得到消息.

首先，我们建立一个Kafka 配置类，生产者消费者共用

package kafka.productor;public interface KafkaProperties{  final static String zkConnect = "192.168.1.107:2181,192.168.1.108:2181";  final static String broker_list = "192.168.1.107:9092,192.168.1.108:9092" ;  final static  String groupId = "group1";  final static String topic = "track";  final static String Order_topic = "track";}

现在需要生产者生成测试数据，就是一些关于各个地区销售额的随机数

package kafka.productor;import java.util.Properties;import java.util.Random;import cloudy.tools.DateFmt;import backtype.storm.utils.Utils;import kafka.producer.KeyedMessage;import kafka.producer.ProducerConfig;public class Producer extends Thread {    private final kafka.javaapi.producer.Producer<Integer, String> producer;    private final String topic;    private final Properties props = new Properties();    public Producer(String topic) {        props.put("serializer.class", "kafka.serializer.StringEncoder");// 字符串消息        props.put("metadata.broker.list",KafkaProperties.broker_list);        producer = new kafka.javaapi.producer.Producer<Integer, String>(                new ProducerConfig(props));        this.topic = topic;    }    public void run() {        // order_id,order_amt,create_time,area_id        Random random = new Random();        String[] order_amt = { "10.10", "20.10", "50.2","60.0", "80.1" };        String[] area_id = { "1","2","3","4","5" };        int i =0 ;        while(true) {            i ++ ;            String messageStr = i+"\t"+order_amt[random.nextInt(5)]+"\t"+DateFmt.getCountDate(null, DateFmt.date_long)+"\t"+area_id[random.nextInt(5)] ;            System.out.println("product:"+messageStr);            producer.send(new KeyedMessage<Integer, String>(topic, messageStr));            Utils.sleep(1000) ;        }    }    public static void main(String[] args) {        Producer producerThread = new Producer(KafkaProperties.Order_topic);        producerThread.start();    }}

这里需要测试数据能否生产出来，所以需要做一个消费者来test。

package kafka.consumers;import java.util.HashMap;import java.util.List;import java.util.Map;import java.util.Properties;import java.util.Queue;import java.util.concurrent.ConcurrentLinkedQueue;import kafka.consumer.ConsumerConfig;import kafka.consumer.ConsumerIterator;import kafka.consumer.KafkaStream;import kafka.javaapi.consumer.ConsumerConnector;import kafka.productor.KafkaProperties;public class OrderConsumer extends Thread {    private final ConsumerConnector consumer;    private final String topic;    private Queue<String> queue = new ConcurrentLinkedQueue<String>() ;    public OrderConsumer(String topic) {        consumer = kafka.consumer.Consumer                .createJavaConsumerConnector(createConsumerConfig());        this.topic = topic;    }    private static ConsumerConfig createConsumerConfig() {        Properties props = new Properties();        props.put("zookeeper.connect", KafkaProperties.zkConnect);        props.put("group.id", KafkaProperties.groupId);        props.put("zookeeper.session.timeout.ms", "4000");        props.put("zookeeper.sync.time.ms", "2000");        props.put("auto.commit.interval.ms", "1000");//        return new ConsumerConfig(props);    }    public void run() {        Map<String, Integer> topicCountMap = new HashMap<String, Integer>();        topicCountMap.put(topic, new Integer(1));        Map<String, List<KafkaStream<byte[], byte[]>>> consumerMap = consumer                .createMessageStreams(topicCountMap);        KafkaStream<byte[], byte[]> stream = consumerMap.get(topic).get(0);        ConsumerIterator<byte[], byte[]> it = stream.iterator();        while (it.hasNext()){            //逻辑处理            System.out.println("consumer:"+new String(it.next().message()));            queue.add(new String(it.next().message())) ;        }    }    public Queue<String> getQueue()    {        return queue ;    }    public static void main(String[] args) {        OrderConsumer consumerThread = new OrderConsumer(KafkaProperties.Order_topic);        consumerThread.start();    }}