8.输入DStream之Kafka数据源实战(基于Receiver的方式)
来源:互联网 发布:淘宝达人的账号简介 编辑:程序博客网 时间:2024/06/05 17:33
基于Receiver的方式
这种方式使用Receiver来获取数据。Receiver是使用Kafka的高层次Consumer API来实现的。receiver从Kafka中获取的数据都是存储在Spark Executor的内存中的,然后Spark Streaming启动的job会去处理那些数据。
然而,在默认的配置下,这种方式可能会因为底层的失败而丢失数据。如果要启用高可靠机制,让数据零丢失,就必须启用Spark Streaming的预写日志机制(Write Ahead Log,WAL)。该机制会同步地将接收到的Kafka数据写入分布式文件系统(比如HDFS)上的预写日志中。所以,即使底层节点出现了失败,也可以使用预写日志中的数据进行恢复。
如何进行Kafka数据源连接
1、在maven添加依赖
groupId = org.apache.sparkartifactId = spark-streaming-kafka_2.10version = 1.5.1
2、使用第三方工具类创建输入DStream
JavaPairReceiverInputDStream<String, String> kafkaStream = KafkaUtils.createStream(streamingContext, [ZK quorum], [consumer group id], [per-topic number of Kafka partitions to consume]);
需要注意的要点
1、Kafka中的topic的partition,与Spark中的RDD的partition是没有关系的。所以,在KafkaUtils.createStream()中,提高partition的数量,只会增加一个Receiver中,读取partition的线程的数量。不会增加Spark处理数据的并行度。
2、可以创建多个Kafka输入DStream,使用不同的consumer group和topic,来通过多个receiver并行接收数据。
3、如果基于容错的文件系统,比如HDFS,启用了预写日志机制,接收到的数据都会被复制一份到预写日志中。因此,在KafkaUtils.createStream()中,设置的持久化级别是StorageLevel.MEMORY_AND_DISK_SER。
Kafka命令(进入到cd /usr/local/kafka)
// 创建topic
bin/kafka-topics.sh --zookeeper 172.20.10.117:2181,172.20.10.118:2181,172.20.10.119:2181 --topic MyTestWordCount --replication-factor 1 --partitions 1 --create
// 创建consumer
bin/kafka-console-producer.sh --broker-list 172.20.10.117:9092, 172.20.10.118:9092, 172.20.10.119:9092 --topic MyTestWordCount
java版本代码:
package cn.spark.study.streaming;import java.util.Arrays;import java.util.HashMap;import java.util.Map;import org.apache.spark.SparkConf;import org.apache.spark.api.java.function.FlatMapFunction;import org.apache.spark.api.java.function.Function2;import org.apache.spark.api.java.function.PairFunction;import org.apache.spark.streaming.Durations;import org.apache.spark.streaming.api.java.JavaDStream;import org.apache.spark.streaming.api.java.JavaPairDStream;import org.apache.spark.streaming.api.java.JavaPairReceiverInputDStream;import org.apache.spark.streaming.api.java.JavaStreamingContext;import org.apache.spark.streaming.kafka.KafkaUtils;import scala.Tuple2;/** * 基于Kafka receiver方式的实时wordcount程序 * @author Administrator * */public class KafkaReceiverWordCount {public static void main(String[] args) {SparkConf conf = new SparkConf().setMaster("local[2]").setAppName("KafkaWordCount"); JavaStreamingContext jssc = new JavaStreamingContext(conf, Durations.seconds(5));// 使用KafkaUtils.createStream()方法,创建针对Kafka的输入数据流Map<String, Integer> topicThreadMap = new HashMap<String, Integer>();topicThreadMap.put("MyTestWordCount", 1);JavaPairReceiverInputDStream<String, String> lines = KafkaUtils.createStream(jssc, "172.20.10.117:2181,172.20.10.118:2181,172.20.10.119:2181", "DefaultConsumerGroup", topicThreadMap);// 然后开发wordcount逻辑JavaDStream<String> words = lines.flatMap(new FlatMapFunction<Tuple2<String,String>, String>() {private static final long serialVersionUID = 1L;@Overridepublic Iterable<String> call(Tuple2<String, String> tuple)throws Exception {return Arrays.asList(tuple._2.split(" ")); }});JavaPairDStream<String, Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {private static final long serialVersionUID = 1L;@Overridepublic Tuple2<String, Integer> call(String word)throws Exception {return new Tuple2<String, Integer>(word, 1);}});JavaPairDStream<String, Integer> wordCounts = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {private static final long serialVersionUID = 1L;@Overridepublic Integer call(Integer v1, Integer v2) throws Exception {return v1 + v2;}});wordCounts.print(); jssc.start();jssc.awaitTermination();jssc.close();}}
运行步骤及运行结果(java本地运行):
- 8.输入DStream之Kafka数据源实战(基于Receiver的方式)
- 9.输入DStream之Kafka数据源实战(基于Direct的方式)
- 7.Spark Streaming:输入DStream之基础数据源以及基于HDFS的实时wordcount程序
- 第90讲,Spark streaming基于kafka 以Receiver方式获取数据 原理和案例实战
- Spark streaming基于kafka 以Receiver方式获取数据 原理和案例实战
- Spark streaming基于kafka 以Receiver方式获取数据 原理和案例实战
- Sparkstreaming基于kafka以Receiver方式获取数据原理和案例实战
- Spark Streaming之Kafka的Receiver和Direct方式
- Spark streaming整合Kafka之Receiver方式
- SparkStreaming基于Kafka Receiver
- 6.Spark Streaming:输入DStream和Receiver详解
- day84:StreamContext、DStream、receiver
- kafka direct 跟receiver 方式接收数据的区别
- SparkStreaming之 StreamingContext、DStream、Receiver深度剖析-3
- Spark Streaming自定义数据源-实现自定义输入DStream和接收器
- StreamingContext、DStream、Receiver深度剖析
- Spark-Streaming获取kafka数据的两种方式-Receiver与Direct的方式
- Spark-Streaming获取kafka数据的两种方式-Receiver与Direct的方式
- 陈越《数据结构》第七讲 图(中)二
- Eclipse Java注释模板设置详解
- 2017青岛区域赛I题The Squared Mosquito Coil
- Windows 下jupyter notebook 修改打开的浏览器
- 关于SpringMVC中 HTTP 405
- 8.输入DStream之Kafka数据源实战(基于Receiver的方式)
- Vue学习日志:Class 与 Style 绑定(5)
- 总结-2017/11/16
- docker介绍与安装
- 标准模板库 STL-1 编程题#2 List(Coursera 程序设计与算法 专项课程3 C++程序设计 郭炜、刘家瑛;OpenJudge)
- LINUX系统定时任务
- 日记(周中+树形dp小总结)
- 2017.10.29
- 追踪聪明钱 -- 基于TuShare数据的计算