前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Kafka基于Receiver的开发

Kafka基于Receiver的开发

作者头像
编程那点事
发布2023-02-25 15:59:36
3840
发布2023-02-25 15:59:36
举报
文章被收录于专栏:java编程那点事

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.spark artifactId = spark-streaming-kafka_2.10 version = 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]);

Kafka命令 bin/kafka-topics.sh --zookeeper 192.168.1.107:2181,192.168.1.108:2181,192.168.1.109:2181 --topic TestTopic --replication-factor 1 --partitions 1 --create

bin/kafka-console-producer.sh --broker-list 192.168.1.107:9092,192.168.1.108:9092,192.168.1.109:9092 --topic TestTopic

192.168.1.191:2181,192.168.1.192:2181,192.168.1.193:2181

代码语言:javascript
复制
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;

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("WordCount", 1);

JavaPairReceiverInputDStream<String, String> lines = KafkaUtils.createStream(jssc,​​"spark1:2181,spark2:2181,spark3:2181", ​​"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;

​​​@Override
​​​public 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;

​​​@Override
​​​public 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;
  ​​​@Override
​​​public Integer call(Integer v1, Integer v2) throws Exception {
​​​​return v1 + v2;
​​​}
​​});

  wordCounts.print();  

 jssc.start();
 jssc.awaitTermination();
 jssc.close();
​}
} 
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019-02-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云 HDFS
云 HDFS(Cloud HDFS,CHDFS)为您提供标准 HDFS 访问协议,您无需更改现有代码,即可使用高可用、高可靠、多维度安全、分层命名空间的分布式文件系统。 只需几分钟,您就可以在云端创建和挂载 CHDFS,来实现您大数据存储需求。随着业务需求的变化,您可以实时扩展或缩减存储资源,CHDFS 存储空间无上限,满足您海量大数据存储与分析业务需求。此外,通过 CHDFS,您可以实现计算与存储分离,极大发挥计算资源灵活性,同时实现存储数据永久保存,降低您大数据分析资源成本。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档