Spark Streaming 整合 Kafka，实现交流

---

1、MySQL安装教程

2、Spark Streaming 实现网站热词排序

3、Spark Streaming 实时计算框架

4、Spark Streaming 整合 Kafka，实现交流

---

一、了解 Spark Streaming 整合 Kafka

Kafka作为一个实时的分布式消息队列，实时地生产和消费消息。在大数据计算框架中，可利用Spark Streaming实时读取Kafka中的数据，再进行相关计算。

在Spark1.3版本后， KafkaUtils里面提供了两个创建DStream的方式，一种是KafkaUtis.createDstream 方式，另一种为 KafkaUtils.createDirectStream方式。

1.1 KafkaUtis.createDstream方式

KatkaUtils.createDstream 是通过 Zookeeper 连接Kafka ， receivers接收器从Kafka中获取数据，并且所有receivers获取到的数据都会保存在Spark executors中，然后通过Spark Streaming启动job来外理这些数据。

---

二、实战

2.1 导入依赖（与spark版本一致）

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming-kafka-0-8_2.11</artifactId>
    <version>2.4.0</version>
</dependency>

---

2.2 案列：KafkaUtis.createDstream方式实现词频统计

import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}
import scala.collection.immutable

object SparkStreaming_Kafka_createDstream {
  def main(args: Array[String]): Unit = {
    //1.创建sparkConf,并开启wal预写日志，保存数据源
    val sparkConf: SparkConf = new SparkConf().setAppName("SparkStreaming_Kafka_createDstream").setMaster("local[4]")
      .set("spark.streaming.receiver.writeAheadLog.enable", "true")
    //2.创建sparkContext
    val sc = new SparkContext(sparkConf)
    //3.设置日志级别
    sc.setLogLevel("WARN")
    //3.创建StreamingContext
    val ssc = new StreamingContext(sc, Seconds(5))
    //4.设置checkpoint
    ssc.checkpoint("./Kafka_Receiver")
    //5.定义zk地址
    val zkQuorum = "master:2181,slave1:2181,slave2:2181"
    //6.定义消费者组
    val groupId = "spark_receiver"
    //7.定义topic相关信息 Map[String, Int],这里的value并不是topic分区数,它表示的topic中每一个分区被N个线程消费
    val topics = Map("kafka_spark" -> 1)
    //8.通过KafkaUtils.createDstream对接kafka这时相当于同时开启3个receiver接受数据
    val receiverDstream:immutable.IndexedSeq[ReceiverInputDStream[(String,String)]] = (1 to 3)
      .map(x => { val stream: ReceiverInputDStream[(String, String)] = KafkaUtils.createStream(ssc,zkQuorum,groupId,topics)
      stream
    })
    //9.使用ssc中的union方法合并所有的receiver中的数据
    val unionDStream: DStream[(String, String)] = ssc.union(receiverDstream)
    //10.SparkStreaming获取topic中的数据
    val topicData: DStream[String] = unionDStream.map(_._2)
    //11.按空格进行切分每一行,并将切分的单词出现次数记录为1
    val wordAndOne: DStream[(String, Int)] = topicData.flatMap(_.split(" ")).map((_, 1))
    //12.统计单词在全局中出现的次数
    val result: DStream[(String, Int)] = wordAndOne.reduceByKey(_ + _)
    //13.打印输出结果
    result.print()
    //14.开启流式计算
    ssc.start()
    ssc.awaitTermination()
  }
}

---

2.2.1 创建Topic，指定消息类别

在hadoop集群开启基础上，启动kafka(三个节点)

/usr/kafka/kafka_2.11-2.4.0/bin/kafka-server-start.sh config/server.propertie

// 创建kafak主题
kafka-topics.sh --create --topic kafka_spark --partitions 3 --replication-factor 1 --zookeeper master:2181,slave1:2181,slave2:2181

// 启动生产者
kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9092 --topic kafka_spark

// 发送信息（输入值）
hbase hbase hadoop kafka
hadoop hbase kafka kafka
itcast itcast hadoop kafka hbase

词频统计结果完成。但是KafkaUtis.createDstream方式在系统出现异常时，重新启动程序运行，会发现程序会重复处理已经处理过的数据。因此官方不推荐这种方式，从而推荐KafkaUtis.createDirectStream 方式。

---

1.2 KafkaUtis.createDirectStream方式

当接收数据时，它会定期地从Kafka中Topic对应Partition中查询最新的偏移量，再根据偏移量范围在每个batch里面处理数据，然后Spark通过调用Kafka简单的消费者API (即低级API )来读取一定范围的数据。

2.3 实例：

import kafka.serializer.StringDecoder
import org.apache.spark.streaming.dstream.{DStream, InputDStream}
import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}

object SparkStreaming_Kafka_createDirectStream {
  def main(args: Array[String]): Unit = {
    //1.创建sparkConf
    val sparkConf: SparkConf = new SparkConf()
      .setAppName("SparkStreaming_Kafka_createDirectStream").setMaster("local[2]")
    //2.创建sparkContext
    val sc = new SparkContext(sparkConf)
    //3.设置日志级别
    sc.setLogLevel("WARN")
    //4.创建StreamingContext
    val ssc = new StreamingContext(sc,Seconds(5))
    //5.设置chectPoint
    ssc.checkpoint("./Kafka_Direct")
    //6.配置kafka相关参数 （metadata.broker.list为老版本的集群地址）
    val kafkaParams=Map("metadata.broker.list"->"master:9092,slave1:9092,slave2:9092","group.id"->"spark_direct")
    //7.定义topic
    val topics=Set("kafka_direct0")
    //8.通过低级api方式将kafka与sparkStreaming进行整合
    val dstream: InputDStream[(String, String)] = KafkaUtils.createDirectStream[String,String,StringDecoder,StringDecoder](ssc,kafkaParams,topics)
    //9.获取kafka中topic中的数据
    val topicData: DStream[String] = dstream.map(_._2)
    //10.按空格进行切分每一行,并将切分的单词出现次数记录为1
    val wordAndOne: DStream[(String, Int)] = topicData.flatMap(_.split(" ")).map((_,1))
    //11.统计单词在全局中出现的次数
    val result: DStream[(String, Int)] = wordAndOne.reduceByKey(_+_)
    //12.打印输出结果
    result.print()
    //13.开启流式计算
    ssc.start()
    ssc.awaitTermination()
  }
}

执行程序。

---

2.3.1 创建Topic，指定消息类别

// 创建主题
kafka-topics.sh --create --topic kafka_direct0 --partitions 3 --replication-factor 2 --zookeeper master:2181,slave1:2181,slave2:2181

启动Kafka消息生产者

kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9092 --topic kafka_direct0

// 输入数据
hbase hbase hadoop kafka
itcast itcast hadoop kafka hbase

词频统计结果完成。