有声,绝色狂妃仙魅小说

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案

創(chuàng)新互聯(lián)ApacheKafka教程：ApacheKafka與Spark的集成

在本章中，我們將討論如何將Apache Kafka與Spark Streaming API集成。

公司主營業(yè)務(wù)：網(wǎng)站設(shè)計制作、成都網(wǎng)站設(shè)計、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。成都創(chuàng)新互聯(lián)公司是一支青春激揚、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。成都創(chuàng)新互聯(lián)公司推出崆峒免費做網(wǎng)站回饋大家。

關(guān)于Spark

Spark Streaming API支持實時數(shù)據(jù)流的可擴展，高吞吐量，容錯流處理。數(shù)據(jù)可以從諸如Kafka，F(xiàn)lume，Twitter等許多源中提取，并且可以使用復(fù)雜的算法來處理，例如地圖，縮小，連接和窗口等高級功能。最后，處理的數(shù)據(jù)可以推送到文件系統(tǒng)，數(shù)據(jù)庫和活動儀表板。彈性分布式數(shù)據(jù)集(RDD)是Spark的基本數(shù)據(jù)結(jié)構(gòu)。它是一個不可變的分布式對象集合。 RDD中的每個數(shù)據(jù)集劃分為邏輯分區(qū)，可以在集群的不同節(jié)點上計算。

與Spark集成

Kafka是Spark流式傳輸?shù)臐撛谙鬟f和集成平臺。 Kafka充當實時數(shù)據(jù)流的中心樞紐，并使用Spark Streaming中的復(fù)雜算法進行處理。一旦數(shù)據(jù)被處理，Spark Streaming可以將結(jié)果發(fā)布到另一個Kafka主題或存儲在HDFS，數(shù)據(jù)庫或儀表板中。下圖描述了概念流程。

現(xiàn)在，讓我們詳細了解Kafka-Spark API。

SparkConf API

它表示Spark應(yīng)用程序的配置。用于將各種Spark參數(shù)設(shè)置為鍵值對。

SparkConf 類有以下方法 -

set(string key，string value) - 設(shè)置配置變量。
remove(string key) - 從配置中移除密鑰。
setAppName(string name) - 設(shè)置應(yīng)用程序的應(yīng)用程序名稱。
get(string key) - get key

StreamingContext API

這是Spark功能的主要入口點。 SparkContext表示到Spark集群的連接，可用于在集群上創(chuàng)建RDD，累加器和廣播變量。簽名的定義如下所示。

public StreamingContext(String master, String appName, Duration batchDuration, 
   String sparkHome, scala.collection.Seq jars, 
   scala.collection.Map environment)

主 - 要連接的群集網(wǎng)址(例如mesos:// host:port，spark:// host:port，local [4])。
appName - 作業(yè)的名稱，以顯示在集群Web UI上
batchDuration - 流式數(shù)據(jù)將被分成批次的時間間隔

public StreamingContext(SparkConf conf, Duration batchDuration)

通過提供新的SparkContext所需的配置創(chuàng)建StreamingContext。

conf - Spark參數(shù)
batchDuration - 流式數(shù)據(jù)將被分成批次的時間間隔

KafkaUtils API

KafkaUtils API用于將Kafka集群連接到Spark流。此API具有如下定義的顯著方法 createStream 。

public static ReceiverInputDStream> createStream(
   StreamingContext ssc, String zkQuorum, String groupId,
   scala.collection.immutable.Map topics, StorageLevel storageLevel)

上面顯示的方法用于創(chuàng)建從Kafka Brokers提取消息的輸入流。

ssc - StreamingContext對象。
zkQuorum - Zookeeper quorum。
groupId - 此消費者的組ID。
主題 - 返回要消費的主題的地圖。
storageLevel - 用于存儲接收的對象的存儲級別。

KafkaUtils API有另一個方法createDirectStream，用于創(chuàng)建一個輸入流，直接從Kafka Brokers拉取消息，而不使用任何接收器。這個流可以保證來自Kafka的每個消息都包含在轉(zhuǎn)換中一次。

示例應(yīng)用程序在Scala中完成。要編譯應(yīng)用程序，請下載并安裝 sbt ，scala構(gòu)建工具(類似于maven)。主要應(yīng)用程序代碼如下所示。

import java.util.HashMap

import org.apache.kafka.clients.producer.{KafkaProducer, ProducerConfig, Produc-erRecord}
import org.apache.spark.SparkConf
import org.apache.spark.streaming._
import org.apache.spark.streaming.kafka._

object KafkaWordCount {
   def main(args: Array[String]) {
      if (args.length < 4) {
         System.err.println("Usage: KafkaWordCount   ")
         System.exit(1)
      }

      val Array(zkQuorum, group, topics, numThreads) = args
      val sparkConf = new SparkConf().setAppName("KafkaWordCount")
      val ssc = new StreamingContext(sparkConf, Seconds(2))
      ssc.checkpoint("checkpoint")

      val topicMap = topics.split(",").map((_, numThreads.toInt)).toMap
      val lines = KafkaUtils.createStream(ssc, zkQuorum, group, topicMap).map(_._2)
      val words = lines.flatMap(_.split(" "))
      val wordCounts = words.map(x => (x, 1L))
         .reduceByKeyAndWindow(_ + _, _ - _, Minutes(10), Seconds(2), 2)
      wordCounts.print()

      ssc.start()
      ssc.awaitTermination()
   }
}

構(gòu)建腳本

spark-kafka集成取決于Spark，Spark流和Spark與Kafka的集成jar。創(chuàng)建一個新文件 build.sbt ，并指定應(yīng)用程序詳細信息及其依賴關(guān)系。在編譯和打包應(yīng)用程序時， sbt 將下載所需的jar。

name := "Spark Kafka Project"
version := "1.0"
scalaVersion := "2.10.5"

libraryDependencies += "org.apache.spark" %% "spark-core" % "1.6.0"
libraryDependencies += "org.apache.spark" %% "spark-streaming" % "1.6.0"
libraryDependencies += "org.apache.spark" %% "spark-streaming-kafka" % "1.6.0"

編譯/包裝

運行以下命令以編譯和打包應(yīng)用程序的jar文件。我們需要將jar文件提交到spark控制臺以運行應(yīng)用程序。

sbt package

提交到Spark

啟動Kafka Producer CLI(在上一章中解釋)，創(chuàng)建一個名為 my-first-topic 的新主題，并提供一些樣本消息，如下所示。

Another spark test message

運行以下命令將應(yīng)用程序提交到spark控制臺。

/usr/local/spark/bin/spark-submit --packages org.apache.spark:spark-streaming
-kafka_2.10:1.6.0 --class "KafkaWordCount" --master local[4] target/scala-2.10/spark
-kafka-project_2.10-1.0.jar localhost:2181

此應(yīng)用程序的示例輸出如下所示。

spark console messages ..
(Test,1)
(spark,1)
(another,1)
(message,1)
spark console message ..

本文標題：創(chuàng)新互聯(lián)ApacheKafka教程：ApacheKafka與Spark的集成
網(wǎng)站URL：http://fisionsoft.com.cn/article/dpdjdhh.html