SparkStreaming消费Kafka项目实战（JAVA版）

原文连接 http://notes.itennishy.com/article/43

一 项目需求

1、统计用户访问直播的uv数、pv数？

2、统计用户跳转直播间的统计排名，即我的粉丝从哪个直播间过来到哪个直播间去？

3、统计评论数和评论人数？

4、统计引导进店数和引导进店人数？

5、直播数据查询等。

二 整体方案设计图

三 开发过程中关键点总结

3.1 过程优化

1、采用队列方式，通过队列进出的方式来监控主播和粉丝的流向，最后将结果存入PostgreSQL中，提供查询。

//监控的主播ID
private static HashSet<String> MonLiveId = new HashSet<>();

//正在直播的观看用户ID
private static HashSet<String> AccessingUser = new HashSet<>();

//已经访问过正在直播的观看用户ID,还未离开直播间
private static HashSet<String> AccessedUser = new HashSet<>();

//已经访问过正在直播的观看用户ID，已离开直播间
private static HashSet<String> DepartureUser = new HashSet<>();

//历史访问直播间ID
private static List<String> HistoryAccess = new ArrayList<>();

//粉丝离开去的直播间ID
private static List<String> DepartureAccess = new ArrayList<>();

结论：用户在第一次访问直播间的时候会出现查询库的问题，如果大量第一次监控到的用户涌现，发现查询库的效率很慢，导致数据大量积压，好处是系统会逐渐趋于稳定。

2、使用updateStateByKey处理历史数据

JavaPairDStream<String, String> user = userVisit.updateStateByKey(new Function2<List<String>, Optional<String>, Optional<String>>() {
            private static final long serialVersionUID = 1L;
            @Override
            public Optional<String> call(List<String> v1, Optional<String> v2) throws Exception {
                String updatedValue = "";
                if (v2.isPresent()) {
                    updatedValue = v2.get();
                }
                for (String value : v1) {
                    if (updatedValue.equals(""))
                        updatedValue = value;
                    else
                        updatedValue += "#" + value;
                }
                return Optional.of(updatedValue);
            }
        });

结论：一旦存储的周期变长，算子执行的效率越来越慢，无论该批次中是否存在key都会更新所有的状态state信息。效率无法保证，无法满足要求。

3、使用mapWithState来处理历史数据

Function3<String, Optional<String>, State<String>, Tuple2<String, String>> mappingFunction =
        new Function3<String, Optional<String>, State<String>, Tuple2<String, String>>() {
            private static final long serialVersionUID = 1L;

            @Override
            public Tuple2<String, String> call(String key, Optional<String> value, State<String> curState) throws Exception {
                String curValue = "";
                if (curState.isTimingOut()) {
                    LOG.info(key + " is time out");
                } else {
                    if (value.isPresent()) {
                        curValue = value.get();
                        if (curState.exists()) {
                            String str = curState.get() + "#" + curValue;

                            HashSet<String> set = new HashSet<>();
                            for (String e : str.split("#")) {
                                set.add(e);
                            }
                            List<String> tempList = new ArrayList<>(set);
                            Collections.sort(tempList);
                            String tmp = org.apache.commons.lang.StringUtils.join(tempList.toArray(), "#");
                            if (!curState.get().equals(tmp)) {
                                curState.update(tmp);
                                int index = 0;
                                for (int i = 0; i < tempList.size(); i++) {
                                    if (tempList.get(i).equals(curValue)) {
                                        index = i;
                                    } else {
                                        continue;
                                    }
                                }
                                if (tempList.size() == 1) {
                                    return new Tuple2<>(key, tempList.get(index));
                                } else if (index == 0 && tempList.size() != 1) {
                                    return new Tuple2<>(key, tempList.get(index) + "#" + tempList.get(index + 1));
                                } else if (tempList.size() - index == 1) {
                                    return new Tuple2<>(key, tempList.get(index - 1) + "#" + tempList.get(index));
                                } else {
                                    return new Tuple2<>(key, tempList.get(index - 1) + "#" + tempList.get(index) + "#" + tempList.get(index + 1));
                                }
                            } else {
                                LOG.info("数据有重复不需要更新，不需要更新");
                            }
                        } else {
                            curState.update(curValue);
                        }
                    }
                }
                return new Tuple2<>(key, curValue);
            }
        };
JavaMapWithStateDStream<String, String, String, Tuple2<String, String>> mapWithStateDStream =
        userVisit.mapWithState(StateSpec.function(mappingFunction));

结论：只会更新本批次中存在的key的状态，不会更新所有的state信息。比updateStateByKey效率有明显提升，但是我们需要存取所有的批次信息，后期仍然无法提供可靠的效率保证。

4、使用redis作为中间缓存系统和结果缓存系统

过程一，使用foreach，redis写入连接过多；过程二，使用foreachPartition减少redis的连接；过程三，使用redis的Pipeline写入，一次请求多个命令，由于pipeline的原理是收集需执行的命令，到最后才一次性执行。所以无法在中途立即查得数据的结果（需待pipelining完毕后才能查得结果），这样会使得无法立即查得数据进行条件判断（比如判断是非继续插入记录）。

userCount.foreachRDD((VoidFunction2<JavaPairRDD<String, Integer>, Time>) (rdd, time) -> {
            rdd.foreach((VoidFunction<Tuple2<String, Integer>>) tuple2 -> {
                try(Jedis jedis = JedisPoolUtil.getResource()) {
                    jedis.set("EVENTS:"+ tuple2._1,tuple2._2.toString());
                    LOG.info("粉丝从" + tuple2._1.split("@")[0] + ",直播间到" + tuple2._1.split("@")[1] + ",共" + tuple2._2 + "人");
                } catch (Exception e) {
                   e.printStackTrace();
                }
            });
        });

wordsAndOne.foreachRDD((VoidFunction2<JavaPairRDD<String, Integer>, Time>) (rdd, time) -> {
            rdd.foreachPartition((VoidFunction<Iterator<Tuple2<String, Integer>>>) arg0 -> {
                try (Jedis jedis = JedisPoolUtil.getJedis()) {
                    while (arg0.hasNext()) {
                        Tuple2<String, Integer> tuple2 = arg0.next();

                        if(tuple2._2 == 1){
                            jedis.incr("RESULT:" + tuple2._1);
                        }else if(jedis.exists("RESULT:" + tuple2._1) && Integer.valueOf(jedis.get("RESULT:" + tuple2._1))>0){
                            jedis.decr("RESULT:" + tuple2._1);
                        }
                        LOG.info("写入redis成功:key= " + tuple2._1 + " value= " + tuple2._2);
                    }
                } catch (Exception e) {
                    e.printStackTrace();
                }
            });
        });

结论：SparkStreaming每5秒一个批次，每次大约处理15000左右的数据，满足要求，后期拓展性好。

5、使用Spark的背压机制和保证积压数据

SparkConf conf = new SparkConf().setAppName("YcKafka2SparkUserFlow").setMaster("local[3]");
conf.set("spark.streaming.stopGracefullyOnShutdown","true");
conf.set("spark.streaming.backpressure.enabled","true");
conf.set("spark.streaming.backpressure.initialRate","1000");
conf.set("spark.streaming.kafka.maxRatePerPartition","1000");

3.2 合理的Kafka拉取量（maxRatePerPartition重要）

对于Spark Streaming消费kafka中数据的应用场景，这个配置是非常关键的，配置参数为：spark.streaming.kafka.maxRatePerPartition。这个参数默认是没有上线的，即kafka当中有多少数据它就会直接全部拉出。而根据生产者写入Kafka的速率以及消费者本身处理数据的速度，同时这个参数需要结合上面的batchDuration，使得每个partition拉取在每个batchDuration期间拉取的数据能够顺利的处理完毕，做到尽可能高的吞吐量，而这个参数的调整可以参考可视化监控界面中的Input Rate和Processing Time

3.3 缓存反复使用的Dstream（RDD）

Spark中的RDD和SparkStreaming中的Dstream，如果被反复的使用，最好利用cache()，将该数据流缓存起来，防止过度的调度资源造成的网络开销。可以参考观察Scheduling Delay参数

3.4 设置合理的GC

长期使用Java的小伙伴都知道，JVM中的垃圾回收机制，可以让我们不过多的关注与内存的分配回收，更加专注于业务逻辑，JVM都会为我们搞定。对JVM有些了解的小伙伴应该知道，在Java虚拟机中，将内存分为了初生代（eden generation）、年轻代（young generation）、老年代（old generation）以及永久代（permanent generation），其中每次GC都是需要耗费一定时间的，尤其是老年代的GC回收，需要对内存碎片进行整理，通常采用标记-清楚的做法。同样的在Spark程序中，JVM GC的频率和时间也是影响整个Spark效率的关键因素。在通常的使用中建议：

--conf "spark.executor.extraJavaOptions=-XX:+UseConcMarkSweepGC"

3.5 设置合理的CPU资源数

CPU的core数量，每个executor可以占用一个或多个core，可以通过观察CPU的使用率变化来了解计算资源的使用情况，例如，很常见的一种浪费是一个executor占用了多个core，但是总的CPU使用率却不高（因为一个executor并不总能充分利用多核的能力），这个时候可以考虑让么个executor占用更少的core，同时worker下面增加更多的executor，或者一台host上面增加更多的worker来增加并行执行的executor的数量，从而增加CPU利用率。但是增加executor的时候需要考虑好内存消耗，因为一台机器的内存分配给越多的executor，每个executor的内存就越小，以致出现过多的数据spill over甚至out of memory的情况。

3.6 设置合理的parallelism

partition和parallelism，partition指的就是数据分片的数量，每一次task只能处理一个partition的数据，这个值太小了会导致每片数据量太大，导致内存压力，或者诸多executor的计算能力无法利用充分；但是如果太大了则会导致分片太多，执行效率降低。在执行action类型操作的时候（比如各种reduce操作），partition的数量会选择parent RDD中最大的那一个。而parallelism则指的是在RDD进行reduce类操作的时候，默认返回数据的paritition数量（而在进行map类操作的时候，partition数量通常取自parent RDD中较大的一个，而且也不会涉及shuffle，因此这个parallelism的参数没有影响）。所以说，这两个概念密切相关，都是涉及到数据分片的，作用方式其实是统一的。通过spark.default.parallelism可以设置默认的分片数量，而很多RDD的操作都可以指定一个partition参数来显式控制具体的分片数量。
在SparkStreaming+kafka的使用中，我们采用了Direct连接方式，前文阐述过Spark中的partition和Kafka中的Partition是一一对应的，我们一般默认设置为Kafka中Partition的数量。

3.7 使用Kryo优化序列化性能

这个优化原则我本身也没有经过测试，但是好多优化文档有提到，这里也记录下来。
在Spark中，主要有三个地方涉及到了序列化：

在算子函数中使用到外部变量时，该变量会被序列化后进行网络传输（见“原则七：广播大变量”中的讲解）。
将自定义的类型作为RDD的泛型类型时（比如JavaRDD，Student是自定义类型），所有自定义类型对象，都会进行序列化。因此这种情况下，也要求自定义的类必须实现Serializable接口。
使用可序列化的持久化策略时（比如MEMORY_ONLY_SER），Spark会将RDD中的每个partition都序列化成一个大的字节数组。
对于这三种出现序列化的地方，我们都可以通过使用Kryo序列化类库，来优化序列化和反序列化的性能。Spark默认使用的是Java的序列化机制，也就是ObjectOutputStream/ObjectInputStream API来进行序列化和反序列化。但是Spark同时支持使用Kryo序列化库，Kryo序列化类库的性能比Java序列化类库的性能要高很多。官方介绍，Kryo序列化机制比Java序列化机制，性能高10倍左右。Spark之所以默认没有使用Kryo作为序列化类库，是因为Kryo要求最好要注册所有需要进行序列化的自定义类型，因此对于开发者来说，这种方式比较麻烦。

以下是使用Kryo的代码示例，我们只要设置序列化类，再注册要序列化的自定义类型即可（比如算子函数中使用到的外部变量类型、作为RDD泛型类型的自定义类型等）：

// 创建SparkConf对象。
val conf = new SparkConf().setMaster(...).setAppName(...)
// 设置序列化器为KryoSerializer。
conf.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
// 注册要序列化的自定义类型。
conf.registerKryoClasses(Array(classOf[MyClass1], classOf[MyClass2]))

3.8 开启推测

//开启推测,避免单个task缓慢影响整体运行效率
conf = new SparkConf().setAppName("YcKafka2SparkUserFlow").setMaster("local[3]");
conf.set("spark.speculation","true");
conf.set("spark.speculation.interval","100");
conf.set("spark.speculation.quantile","0.9");
conf.set("spark.speculation.multiplier","1.5");

3.9 使用高性能的算子

这里是参考文章，其建议如下：

• 使用reduceByKey/aggregateByKey替代groupByKey
• 使用mapPartitions替代普通map
• 使用foreachPartitions替代foreach
• 使用filter之后进行coalesce操作
• 使用repartitionAndSortWithinPartitions替代repartition与sort类操作

四 最终代码

4.1 EventsCountUserAccessPath处理方法

package spark;

import bean.EventsMesgInfo;
import com.alibaba.fastjson.JSON;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.common.serialization.StringDeserializer;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.function.*;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.Time;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaInputDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import org.apache.spark.streaming.kafka010.ConsumerStrategies;
import org.apache.spark.streaming.kafka010.KafkaUtils;
import org.apache.spark.streaming.kafka010.LocationStrategies;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import redis.clients.jedis.Jedis;
import scala.Tuple2;
import utils.JedisPoolUtil;

import java.sql.Timestamp;
import java.util.*;

public class EventsCountUserAccessPath {

    private static final Logger LOG = LoggerFactory.getLogger(EventsCountUserAccessPath.class);
    private static JavaStreamingContext jssc;
    private static String brokers;
    private static String topic;
    private static String groupId;
    private static SparkConf conf;

    public static void main(String[] args) throws Exception {
        if (args.length != 0) {
            brokers = args[0];
            topic = args[1];
            groupId = args[2];
            conf = new SparkConf().setAppName("YcKafka2SparkUserFlow");
        } else {
            brokers = "127.0.0.1:9092";
            topic = "events-p3";
            groupId = "consumer13";
            conf = new SparkConf().setAppName("YcKafka2SparkUserFlow").setMaster("local[3]");
        }

        //控制sparkstreaming启动时，积压问题并设置背压机制，自适应批次的record变化，来控制任务的堆积
        conf.set("spark.streaming.stopGracefullyOnShutdown", "true");
        conf.set("spark.streaming.backpressure.enabled", "true");
        conf.set("spark.streaming.backpressure.initialRate", "1000");
        conf.set("spark.streaming.kafka.maxRatePerPartition", "1000");

        //开启推测
//        conf.set("spark.speculation","true");
//        conf.set("spark.speculation.interval","100");
//        conf.set("spark.speculation.quantile","0.9");
//        conf.set("spark.speculation.multiplier","1.5");

        jssc = new JavaStreamingContext(conf, Durations.seconds(5));
        LOG.debug("JavaStreamingContext对象初始化成功");

        Map<String, Object> kafkaParams = new HashMap<>();
        kafkaParams.put("bootstrap.servers", brokers);
        kafkaParams.put("key.deserializer", StringDeserializer.class);
        kafkaParams.put("value.deserializer", StringDeserializer.class);
        kafkaParams.put("group.id", groupId);
        if(args.length!=0){
            kafkaParams.put("enable.auto.commit", true);
        }else {
        kafkaParams.put("auto.offset.reset", "earliest");
        kafkaParams.put("enable.auto.commit", false);
        }


        String kafkaTopics = topic;
        String[] kafkaTopicsSplited = kafkaTopics.split(",");

        Collection<String> topics = new HashSet<>();
        for (String kafkaTopic : kafkaTopicsSplited) {
            topics.add(kafkaTopic);
        }

        final JavaInputDStream<ConsumerRecord<String, String>> stream =
                KafkaUtils.createDirectStream(
                        jssc,
                        LocationStrategies.PreferConsistent(),
                        ConsumerStrategies.<String, String>Subscribe(topics, kafkaParams)
                );
        LOG.debug("CreateDirectStream流，建立成功！");

        JavaDStream<String> event = stream.flatMap(record -> {
            List<String> list = new ArrayList<>();
            try {
                EventsMesgInfo mesginfo = JSON.parseObject(record.value(), EventsMesgInfo.class);
                Timestamp timestamp = mesginfo.getStartTime();
                String lid = mesginfo.getLiveId();
//                if (mesginfo.getType().equals("finish")) {
//                    KafkaProducers_sparkstreaming.SendMessages(lid, "liveFinish:"+lid +":"+ mesginfo.getStartTime().getTime());
//                }
                String uid = mesginfo.getUser().getUserId();

                if(!uid.equals("0")&&!uid.equals("null")) {
                    list.add(uid + "@" + timestamp.getTime() + ":" + lid);
                }
                return list.iterator();
            } catch (Exception e) {
                return list.iterator();
            }
        });

        JavaPairDStream<String, String> userVisit = event
                .mapToPair(e -> new Tuple2<>(e.split("@")[0], e.split("@")[1]));
//                .filter(tuple2 -> (tuple2._1.equals("0") || tuple2._1 == null) ? false : true);

        JavaPairDStream<String, String> userVisitGroup = userVisit.reduceByKey( (x, y) -> {
                String str = x + "#" + y;
                HashSet<String> set = new HashSet<>();
                for (String e : str.split("#")) {
                    set.add(e);
                }
                List<String> tempList = new ArrayList<>(set);
                Collections.sort(tempList);
                return org.apache.commons.lang.StringUtils.join(tempList.toArray(), "#");
        });


        /**
         * 获取用户访问的记录sortOldData，插入新访问的记录后的用户记录sortNewData
         * 新产生的记录为（recored,1）
         * 旧产生的记录为（recored,-1）
         *
         * 目的： 用新产生的访问路径 - 旧的用户访问路径 = 变化的访问路径
         * 将变化的访问路径更新到redis中
         */
        JavaDStream<String> userAccessOne = userVisitGroup.map( tuple2 -> {
                try (Jedis jedis = JedisPoolUtil.getJedis()) {
                    Set<String> sortOldData = jedis.zrange("EVENTS:" + tuple2._1, 0, -1);
                    Map<String, Double> map = new HashMap<>();
                    for (String t : tuple2._2.split("#")) {
                        map.put(t.split(":")[1], Double.valueOf(t.split(":")[0]));
                    }
                    jedis.zadd("EVENTS:" + tuple2._1, map);
                    Set<String> sortNewData = jedis.zrange("EVENTS:" + tuple2._1, 0, -1);

                    if (sortNewData.equals(sortOldData)) {
                        return null;
                    }

                    List<String> data = new ArrayList<>();
                    String tmp = "";
                    for (String t : sortNewData) {
                        if (sortNewData.size() <= 1) {
                            return null;
                        } else {
                            if (tmp.equals("")) {
                                tmp = t;
                            } else {
                                data.add(tmp + "@" + t + ":" + "1");
                                tmp = t;
                            }
                        }
                    }

                    String tmp1 = "";
                    for (String t : sortOldData) {
                        if (sortOldData.size() <= 1) {
                            return null;
                        } else {
                            if (tmp1.equals("")) {
                                tmp1 = t;
                            } else {
                                data.add(tmp1 + "@" + t + ":" + "-1");
                                tmp1 = t;
                            }
                        }
                    }

                    return org.apache.commons.lang.StringUtils.join(data.toArray(), "#");
                } catch (Exception e) {
                    e.printStackTrace();
                }
                return null;
        }).filter(s -> s == null ? false : true)
                .flatMap(s -> Arrays.asList(s.split("#")).iterator());

        JavaPairDStream<String, Integer> wordsAndOne = userAccessOne
                .mapToPair(e -> new Tuple2<>(e.split(":")[0], Integer.valueOf(e.split(":")[1])))
                .reduceByKey((s1, s2) -> s1 + s2)
                .filter(tuple2 -> tuple2._2 <= 0 ? false : true);

        wordsAndOne.foreachRDD((VoidFunction2<JavaPairRDD<String, Integer>, Time>) (rdd, time) -> {
            rdd.foreachPartition((VoidFunction<Iterator<Tuple2<String, Integer>>>) arg0 -> {
                try (Jedis jedis = JedisPoolUtil.getJedis()) {
                    while (arg0.hasNext()) {
                        Tuple2<String, Integer> tuple2 = arg0.next();
                        if(jedis.exists("RESULT:" + tuple2._1)) {
                            jedis.set("RESULT:" + tuple2._1, String.valueOf(Integer.valueOf(jedis.get("RESULT:" + tuple2._1)) + Integer.valueOf(tuple2._2)));
                            jedis.expire("RESULT:" + tuple2._1,60*60*24*3);
                        }else {
                            jedis.set("RESULT:" + tuple2._1, String.valueOf(tuple2._2));
                            jedis.expire("RESULT:" + tuple2._1,60*60*24*3);
                        }
                        LOG.info("写入redis成功:key= " + tuple2._1 + " value= " + tuple2._2);
                    }
                } catch (Exception e) {
                    e.printStackTrace();
                }
            });
        });

//        wordsAndOne.foreachRDD((VoidFunction2, Time>) (rdd, time) -> {
//            rdd.foreachPartition((VoidFunction>>) arg0 -> {
//                try (Jedis jedis = JedisPoolUtil.getJedis()) {
//                    while (arg0.hasNext()) {
//                        Tuple2 tuple2 = arg0.next();
//
//                        if(tuple2._2 == 1){
//                            jedis.incr("RESULT:" + tuple2._1);
//                            jedis.expire("RESULT:" + tuple2._1,60*60*24*3);
//                        }else if(jedis.exists("RESULT:" + tuple2._1) && Integer.valueOf(jedis.get("RESULT:" + tuple2._1))>0){
//                            jedis.decr("RESULT:" + tuple2._1);
//                            jedis.expire("RESULT:" + tuple2._1,60*60*24*3);
//                        }
//                        LOG.info("写入redis成功:key= " + tuple2._1 + " value= " + tuple2._2);
//                    }
//                } catch (Exception e) {
//                    e.printStackTrace();
//                }
//            });
//        });

        jssc.start();
        jssc.awaitTermination();
    }
}

4.2 redis处理方法

package utils;

import redis.clients.jedis.*;

import java.io.Serializable;


/**
 * 非切片链接池
 * 备注:redis连接池 操作工具类
 */
public class JedisPoolUtil implements Serializable {
    private static final long serialVersionUID = 264027256914939178L;

    //Redis server
    private static String redisServer = "127.0.0.1";
    //Redis port
    private static int port = 6379;
    private static String password = "";
    private static int MAX_ACTIVE = 1024;
    private static int MAX_IDLE = 2000;
    private static int MAX_WAIT = 10000;
    private static int TIMEOUT = 10000;
    private static JedisPool jedisPool = null;

    static {
        try {
            JedisPoolConfig config = new JedisPoolConfig();
            //设置最大连接数
            config.setMaxTotal(MAX_ACTIVE);
            //设置最大空闲数
            config.setMaxIdle(MAX_IDLE);
            //设置超时时间
            config.setMaxWaitMillis(MAX_WAIT);

        jedisPool = new JedisPool(config, redisServer, port,TIMEOUT);
//        jedisPool = new JedisPool(config, redisServer,port,TIMEOUT,password);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }


    public synchronized static Jedis getJedis() {
        try {
            if (jedisPool != null) {
                Jedis resource = jedisPool.getResource();
                return resource;
            } else {
                return null;
            }
        } catch (Exception e) {
            e.printStackTrace();
            return null;
        }
    }

    public static void returnResource(final Jedis jedis) {
        if (jedis != null) {
            jedisPool.returnResource(jedis);
        }
    }


    /**
     * 批量删除大key
     * public boolean delLargeHashKey(String key, int scanCount) throws Exception{
     *         boolean broken = false;
     *         Jedis jedis = pool.getSentineJedis();
     *         try{
     *         if (jedis!=null)
     *         {
     *                 ScanParams scanParameters = new ScanParams();
     *
     *                                          //一次获取500条，可自定义条数
     *                 scanParameters.count(scanCount);
     *                 String cursor = "";
     *                 while ((!cursor.equals("0")) || (cursor == "0")){
     *                 
     *                 //使用hscan命令获取500条数据，使用cursor游标记录位置，下次循环使用
     *                 ScanResult> hscanResult=jedis.hscan(key, cursor, scanParameters);
     *                 cursor = hscanResult.getStringCursor();// 返回0 说明遍历完成
     *                 List> scanResult = hscanResult.getResult();
     *                 long t1 = System.currentTimeMillis();
     *                 for(int m = 0;m < scanResult.size();m++){  
     *                     Map.Entry mapentry  = scanResult.get(m);
     *                     //System.out.println("key: "+mapentry.getKey()+"  value: "+mapentry.getValue());
     *                     jedis.hdel(key, mapentry.getKey());
     *                     }
     *                 long t2 = System.currentTimeMillis();
     *                 System.out.println("删除"+scanResult.size()+"条数据，耗时: "+(t2-t1)+"毫秒,cursor:"+cursor);
     *                 }
     *                 return true;
     *         }
     *         return false;
     *     }catch (JedisException e) {
     *         broken = pool.handleJedisException(e);
     *         if (broken) {
     *             pool.closeResource(jedis, broken);
     *         }
     *         throw e;
     *     } finally {
     *         if (!broken && jedis != null) {
     *             pool.sentinel_close(jedis);
     *         }
     *     }
     *     }
     */
}

4.3 Pom依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.zhiboclub.aliyun</groupId>
    <artifactId>YcSparkStreaming</artifactId>
    <version>1.0-SNAPSHOT</version>

    <packaging>jar</packaging>

    <properties>
        <scala.version>2.11.8</scala.version>
        <scala.binary.version>2.11</scala.binary.version>
        <spark.connectors.version>1.0.4</spark.connectors.version>
        <spark.version>2.4.3</spark.version>
        <kafka.client.version>0.10.2.2</kafka.client.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.kafka</groupId>
            <artifactId>kafka-clients</artifactId>
            <version>${kafka.client.version}</version>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.8</version>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>[1.2.31,)</version>
        </dependency>
        <dependency>
            <groupId>redis.clients</groupId>
            <artifactId>jedis</artifactId>
            <version>2.5.0</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                </configuration>
            </plugin>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.2</version>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.1</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <minimizeJar>false</minimizeJar>
                            <shadedArtifactAttached>true</shadedArtifactAttached>
                            <artifactSet>
                                <includes>
                                    <!-- Include here the dependencies you
                                        want to be packed in your fat jar -->
                                    <include>*:*</include>
                                </includes>
                            </artifactSet>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF
                                        META-INF/*.DSA
                                        META-INF/*.RSA
                                    
                                
                            
                            
                                
                                    reference.conf
                                
                            
                        
                    
                
            
            
                org.apache.maven.plugins
                maven-dependency-plugin
                
                    
                        copy-dependencies
                        prepare-package
                        
                            copy-dependencies
                        
                        
                            ${project.build.directory}/lib
                            false
                            false
                            true