SparkStreaming消费Kafka数据Offset的管理

参考链接：

https://blog.youkuaiyun.com/xueba207/article/details/51135423   kafka 0.8.2.2

http://spark.apache.org/docs/latest/streaming-kafka-0-10-integration.html

 

一、前言(Kafka2.0.0)

Kafka支持producer的幂等性，并不支持consumer的幂等性，因此我们选择使用外部存储来维护consumer的offset。

以词频统计为例实现

SparkStreaming消费Kafka数据，把统计结果和offset保存到Redis中

词频结果Redis保存格式：wc_redis word cnt

offset信息Redis保存格式：topic_groupid partition offset

二、需要考虑的问题

1、业务结果和offset结果保存到Redis需要保证一致性

解决方法：使用jedis.pipeline

2、当redisOffset<KafkaOffset时，会报numRecords must not be negative，需要修正offset。

解决方法：1）把旧的词频结果rename(oldkey,old_tmp)

                  2) 把所有partition的offset设置为0，也就是重刷数据，写入到oldkey

三、代码实现

使用到以下四个类：

1）RedisUtils：设置redis连接信息，获取redis连接

2）KafkaOffsetTool：使用KafkaConsumer获取指定topic的每个partition的endOffset

3）MyOffsetsManager：获取和保存offset

4）StreamingKakfaApp：业务处理

RedisUtils

package com.wsd.spark.utils
import redis.clients.jedis.{JedisPool, JedisPoolConfig}

/**
  * Redis连接
  *
  * @author wsd
  * @date 2020/4/26 14:46
  */
object RedisUtils {

  private val poolConfig = new JedisPoolConfig
  poolConfig.setMaxTotal(2000)
  poolConfig.setMaxIdle(1000)
  poolConfig.setTestOnBorrow(true)
  private val pool = new JedisPool(poolConfig, "master", 6379)

  def getJedis = pool.getResource
}

KafkaOffsetTool

package com.wsd.spark.streaming.offset

import java.util.Properties
import java.{lang, util}

import org.apache.kafka.clients.consumer.KafkaConsumer
import org.apache.kafka.common.{Partiti