栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

SparkStreaming对接Kafka数据源

SparkStreaming对接Kafka数据源

SparkStreaming 对接kafka数据源

使用SparkStreaming消费kafka中的实时数据,是流式数据处理的常用场景。

下面利用对接kafka,实现词频统计。

1、封装MyKafkaUtil

由于对scala语言不是太熟悉,我这里使用Java语言编写工具类

package cn.streaming.kafkaStream;
import org.apache.kafka.clients.consumer.ConsumerConfig;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.common.serialization.StringDeserializer;
import org.apache.spark.streaming.StreamingContext;
import org.apache.spark.streaming.dstream.InputDStream;
import org.apache.spark.streaming.kafka010.ConsumerStrategies;
import org.apache.spark.streaming.kafka010.KafkaUtils;
import org.apache.spark.streaming.kafka010.LocationStrategies;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class MyKafkaUtil {
    
    public static InputDStream>
    getKafkaStream(StreamingContext ssc, List topics) {

        Map params = new HashMap();
        // 填写kafka相关参数
        params.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG,"hadoop001:9092,hadoop002:9092");
        params.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, StringDeserializer.class);
        params.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG,StringDeserializer.class);
        params.put(ConsumerConfig.GROUP_ID_CONFIG,"kafka_source");

        // 使用kafkaUtils获取kafka流
        InputDStream> kafkaStream = KafkaUtils.createDirectStream(
                ssc,
                LocationStrategies.PreferConsistent(),
                ConsumerStrategies.Subscribe(topics, params)
        );
        return kafkaStream;
    }
}

以上代码主要是获取kafka的输入流,简化主程序

2、主程序实现

使用scala编写

package cn.streaming.kafkaStream

import java.util
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, InputDStream}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object SparkStreaming_kafka {

  def main(args: Array[String]): Unit = {

    val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("kafka_source")

    val ssc = new StreamingContext(conf, Seconds(3))

    val topics: util.List[String] = util.Arrays.asList("kafka_source_stream")

    val kfkastream: InputDStream[ConsumerRecord[String, String]] = MyKafkaUtil.getKafkaStream(ssc, topics)

    // 获取kafka的record的value值
    val stres : DStream[String] = kfkastream.map(_.value())

    // 进行词频统计
    val rec: DStream[(String, Int)] = stres.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)

    rec.print()

    // 启动
    ssc.start()
    ssc.awaitTermination()
  }
}
3、启动控制台生产者

启动之前,我们需要在kafka中创建对应的主题,然后启动生产者。

启动指令:bin/kafka-console-producer.sh --broker-list hadoop001:9092,hadoop002:9092 --topic kafka_source_stream

4、启动流处理程序

启动程序,这里直接在本地环境运行。

5、观察结果

可以看出,这里我们已经统计完成。

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/736246.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号