Spark Streaming自适应Kafka分区动态变化

随着业务数据的增长,原始Kafka分区可能不足以满足并发需求,需要扩展分区。Spark Streaming与Kafka 0.8的API不支持动态发现新增topic或分区,但在Spark Streaming的DirectKafkaInputDStream的compute方法中,针对Kafka 0.10版本,通过获取最新分区信息并更新currentOffsets,实现了动态检测和适应Kafka分区变化的功能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  当业务数据增长比较明显,那么Kafka吞吐量,刚开始创建的topic数目和分区数目可能满足不了并发需求,需要增加分区。新增加的分区会有生产者往里面写数据,而Spark Streaming跟Kafka 0.8版本结合的API是满足不了动态发现Kafka新增topic或者分区的需求的。
  从Spark Streaming源码出发查看分区检测是在哪做的,对于批处理的Spark Streaming任务来说,分区检测应该在每次job生成获取kafkaRDD,来给kafkaRDD确定分区数并且每个分区赋值offset范围的时候有牵扯,而这段代码就在DirectKafkaInputDStream#compute方法中。compute方法源码:

/*
获取当前生成KafkaRDD每个分区消费的offset的最大值,
进入latestLeaderOffsets进一步去看,可以发现下面一行代码
*/
val untilOffsets = clamp(latestLeaderOffsets(maxRetries))
/*
根据currentOffsets信息来获取最大的offset,
由于它只是根据currentOffsets信息来获取最大的offset,
没有去感知新增的分区,所以Spark Streaming与kafka 0.8结合是不能动态感知分区的
*/
val o 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值