sparkstreaming整合kafka参数设置,message偏移量写入mysql

本文介绍如何从Kafka拉取数据并利用Spark进行处理,同时通过自定义偏移量管理机制将数据写入MySQL。文中展示了具体的实现代码,并使用了scalikejdbc框架来完成数据库操作。

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

本文转自: https://blog.youkuaiyun.com/qq_28666339/article/details/79261100

自由幻想的人儿 


 kafka高级数据源拉取到spark,偏移量自我维护,借助scalikejdbc写入到mysql。

需要导入

<dependency>
<groupId>org.scalikejdbc</groupId>
<artifactId>scalikejdbc_2.11</artifactId>
<version>2.5.0</version>
</dependency><!-- scalikejdbc-config_2.11 -->
<dependency>
<groupId>org.scalikejdbc</groupId>
<artifactId>scalikejdbc-config_2.11</artifactId>
<version>2.5.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
<version>2.2.1</version>

</dependency>


import org.apache.kafka.common.TopicPartition
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.{Seconds, StreamingContext}
import scalikejdbc.config.DBs
import scalikejdbc.{DB, SQL}

/**
  * kafka数据读取,偏移量自己管理,偏移量数据传入mysql。
  * log数据可以使用其他的进行保存。
  */
object WCKafkaMysqlDB_offset {

  Logger.getLogger("org").setLevel(Level.WARN)

  def main(args: Array[String]): Unit = {

    val conf = new SparkConf().setMaster("local[*]").setAppName("xx")
      //每秒钟每个分区kafka拉取消息的速率
      .set("spark.streaming.kafka.maxRatePerPartition", "100")
      // 序列化
      .set("spark.serilizer", "org.apache.spark.serializer.KryoSerializer")
      // 建议开启rdd的压缩
      .set("spark.rdd.compress", "true")
    val ssc = new StreamingContext(conf, Seconds(2))

    //一参数设置
    val groupId = "1"
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "hdp01:9092,hdp02:9092,hdp03:9092",
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      "group.id" -> groupId,
      "auto.offset.reset" -> "earliest",
      "enable.auto.commit" -> (false: java.lang.Boolean) //自己维护偏移量。连接kafka的集群。
    )
    val topics = Array("test")
    
    //二参数设置
    DBs.setup()
    val fromdbOffset: Map[TopicPartition, Long] =
      DB.readOnly { implicit session =>
        SQL(s"select * from `offset` where groupId = '${groupId}'")
          .map(rs => (new TopicPartition(rs.string("topic"), rs.int("partition")), rs.long("untilOffset")))
          .list().apply()

      }.toMap

    //程序启动,拉取kafka的消息。
    val stream = if (fromdbOffset.size == 0) {
      KafkaUtils.createDirectStream[String, String](
        ssc,
        LocationStrategies.PreferConsistent,
        ConsumerStrategies.Subscribe[String, String](topics, kafkaParams)
      )
    } else {
      KafkaUtils.createDirectStream(
        ssc,
        LocationStrategies.PreferConsistent,
        ConsumerStrategies.Assign[String, String](fromdbOffset.keys, kafkaParams, fromdbOffset)
      )
    }


    stream.foreachRDD({
      rdd =>
        val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges

        //数据处理
        val resout: RDD[(String, Int)] = rdd.flatMap(_.value().split(" ")).map((_, 1)).reduceByKey(_ + _)
        resout.foreach(println)
        resout.foreachPartition({
          it =>
            val jedis = RedisUtils.getJedis
            it.foreach({
              va =>
                jedis.hincrBy("wc", va._1, va._2)
            })
            jedis.close()
        })
        //偏移量存入mysql,使用scalikejdbc框架事务
        DB.localTx { implicit session =>
          for (or <- offsetRanges) {
            SQL("replace into `offset`(groupId,topic,partition,untilOffset) values(?,?,?,?)")
              .bind(groupId, or.topic, or.partition, or.untilOffset).update().apply()
          }
        }
    })

    ssc.start()
    ssc.awaitTermination()

  }
}

Sure, 我可以回答你的问题。 对于基于scala语言的sparkstreaming读取kafka实现字符串分割并将结果保存至mysql案例, 首先你需要引入相关的库, 如 kafkamysql 相关的库。然后你需要编写一个sparkstreaming的应用程序,用来读取kafka的流,并对每行记录进行处理。具体流程如下: 1. 导入依赖库: ```scala import org.apache.spark._ import org.apache.spark.streaming._ import org.apache.spark.streaming.kafka.KafkaUtils import org.apache.kafka.common.serialization.StringDeserializer import org.apache.spark.rdd.RDD import org.apache.spark.sql.functions._ import org.apache.spark.sql.types._ import org.apache.spark.sql._ import java.util.Properties import scala.collection.JavaConversions._ ``` 2. 定义处理函数,用来对接收到的每个消息进行处理: ```scala def processRecord(record: String): (String, String) = { val data = record.split(",") val id = data(0) val message = data(1) return (id, message) } ``` 3. 配置Kafka Consumer参数: ```scala val kafkaParams = Map[String, Object]( "bootstrap.servers" -> "localhost:9092", "key.deserializer" -> classOf[StringDeserializer], "value.deserializer" -> classOf[StringDeserializer], "group.id" -> "test-group", "auto.offset.reset" -> "latest", "enable.auto.commit" -> (false: java.lang.Boolean) ) ``` 其中,“bootstrap.servers”是kafka的服务地址,”group.id”是kafka的消费组id,”auto.offset.reset”是从哪个偏移量开始消费,”enable.auto.commit”表示是否自动提交消费位移。 4. 创建Spark Streaming Context: ```scala val sparkConf = new SparkConf().setAppName("kafka-streaming-example").setMaster("local[*]") val ssc = new StreamingContext(sparkConf, Seconds(5)) ``` 其中setAppName是给Spark应用程序命名,setMaster是指定运行模式。 5. 创建DStream,连接kafka主题: ```scala val stream = KafkaUtils.createDirectStream[String, String]( ssc, PreferConsistent, Subscribe[String, String](Seq("test-topic"), kafkaParams) ).map(record => processRecord(record.value())) ``` 其中,“test-topic”是kafka主题名。 6. 将DStream中的数据保存至mysql: ```scala stream.foreachRDD((rdd: RDD[(String, String)]) => { // 转换为DataFrame val df = rdd.toDF("id", "message") // 将数据保存至mysql val prop = new Properties() prop.put("user", "root") prop.put("password", "root") prop.put("driver", "com.mysql.jdbc.Driver") df.write.mode("append").jdbc("jdbc:mysql://localhost:3306/testdb", "test", prop) }) ``` 其中,“testdb”是mysql数据库名,“test”是表名。prop是用来配置mysql数据库的连接参数,通过write方法将DataFrame中的数据写入mysql表中。 以上就是基于scala语言的sparkstreaming读取kafka实现字符串分割并将结果保存至mysql的案例了。希望我的回答能够帮到你。
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