Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现（转）

最新推荐文章于 2025-08-14 18:26:42 发布

转载最新推荐文章于 2025-08-14 18:26:42 发布 · 127 阅读

文章标签：

原文链接：Spark+Kafka的Direct方式将偏移量发送到Zookeeper实现

　Apache Spark 1.3.0引入了Direct API，利用Kafka的低层次API从Kafka集群中读取数据，并且在Spark Streaming系统里面维护偏移量相关的信息，并且通过这种方式去实现零数据丢失(zero data loss)相比使用基于Receiver的方法要高效。但是因为是Spark Streaming系统自己维护Kafka的读偏移量，而Spark Streaming系统并没有将这个消费的偏移量发送到Zookeeper中，这将导致那些基于偏移量的Kafka集群监控软件（比如：Apache Kafka监控之Kafka Web Console、Apache Kafka监控之KafkaOffsetMonitor等）失效。本文就是基于为了解决这个问题，使得我们编写的Spark Streaming程序能够在每次接收到数据之后自动地更新Zookeeper中Kafka的偏移量。

　　我们从Spark的官方文档可以知道，维护Spark内部维护Kafka便宜了信息是存储在HasOffsetRanges类的offsetRanges中，我们可以在Spark Streaming程序里面获取这些信息：

`1`	`val` `offsetsList` `=` `rdd.asInstanceOf[HasOffsetRanges].offsetRanges`

这样我们就可以获取所以分区消费信息，只需要遍历offsetsList，然后将这些信息发送到Zookeeper即可更新Kafka消费的偏移量。完整的代码片段如下：

 
    01val messages =KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topicsSet)

    02      messages.foreachRDD(rdd => {

    03        val offsetsList = rdd.asInstanceOf[HasOffsetRanges].offsetRanges

    04        val kc = new KafkaCluster(kafkaParams)

    05        for (offsets < - offsetsList) {

    06          val topicAndPartition = TopicAndPartition("iteblog", offsets.partition)

    07          val o =kc.setConsumerOffsets(args(0), Map((topicAndPartition, offsets.untilOffset)))

    08          if (o.isLeft) {

    09            println(s"Error updating the offset to Kafka cluster: ${o.left.get}")

    10          }

    11        }

    12})

　　KafkaCluster类用于建立和Kafka集群的链接相关的操作工具类，我们可以对Kafka中Topic的每个分区设置其相应的偏移量Map((topicAndPartition, offsets.untilOffset)),然后调用KafkaCluster类的setConsumerOffsets方法去更新Zookeeper里面的信息，这样我们就可以更新Kafka的偏移量，最后我们就可以通过KafkaOffsetMonitor之类软件去监控Kafka中相应Topic的消费信息，下图是KafkaOffsetMonitor的监控情况：

　　从图中我们可以看到KafkaOffsetMonitor监控软件已经可以监控到Kafka相关分区的消费情况，这对监控我们整个Spark Streaming程序来非常重要，因为我们可以任意时刻了解Spark读取速度。另外，KafkaCluster工具类的完整代码如下：

 
    01package org.apache.spark.streaming.kafka

    02 

    03import kafka.api.OffsetCommitRequest

    04import kafka.common.{ErrorMapping, OffsetMetadataAndError, TopicAndPartition}

    05import kafka.consumer.SimpleConsumer

    06import org.apache.spark.SparkException

    07import org.apache.spark.streaming.kafka.KafkaCluster.SimpleConsumerConfig

    08 

    09import scala.collection.mutable.ArrayBuffer

    10import scala.util.Random

    11import scala.util.control.NonFatal

    12 

    13/**

    14 * User: 过往记忆

    15 * Date: 2015-06-02

    16 * Time: 下午23:46

    17 * bolg: http://www.iteblog.com

    18 * 本文地址：http://www.iteblog.com/archives/1381

    19 * 过往记忆博客，专注于hadoop、hive、spark、shark、flume的技术博客，大量的干货

    20 * 过往记忆博客微信公共帐号：iteblog_hadoop

    21 */

    22 

    23class KafkaCluster(val kafkaParams: Map[String, String]) extends Serializable {

    24  type Err = ArrayBuffer[Throwable]

    25 

    26  @transient private var _config: SimpleConsumerConfig = null

    27 

    28  def config: SimpleConsumerConfig = this.synchronized {

    29    if (_config == null) {

    30      _config = SimpleConsumerConfig(kafkaParams)

    31    }

    32    _config

    33  }

    34 

    35  def setConsumerOffsets(groupId: String,

    36                         offsets: Map[TopicAndPartition, Long]

    37                          ): Either[Err, Map[TopicAndPartition, Short]] = {

    38    setConsumerOffsetMetadata(groupId, offsets.map { kv =>

    39      kv._1 -> OffsetMetadataAndError(kv._2)

    40    })

    41  }

    42 

    43  def setConsumerOffsetMetadata(groupId: String,

    44                                metadata: Map[TopicAndPartition, OffsetMetadataAndError]

    45                                 ): Either[Err, Map[TopicAndPartition, Short]] = {

    46    var result = Map[TopicAndPartition, Short]()

    47    val req = OffsetCommitRequest(groupId, metadata)

    48    val errs = new Err

    49    val topicAndPartitions = metadata.keySet

    50    withBrokers(Random.shuffle(config.seedBrokers), errs) { consumer =>

    51      val resp = consumer.commitOffsets(req)

    52      val respMap = resp.requestInfo

    53      val needed = topicAndPartitions.diff(result.keySet)

    54      needed.foreach { tp: TopicAndPartition =>

    55        respMap.get(tp).foreach { err: Short =>

    56          if (err == ErrorMapping.NoError) {

    57            result += tp -> err

    58          } else {

    59            errs.append(ErrorMapping.exceptionFor(err))

    60          }

    61        }

    62      }

    63      if (result.keys.size == topicAndPartitions.size) {

    64        return Right(result)

    65      }

    66    }

    67    val missing = topicAndPartitions.diff(result.keySet)

    68    errs.append(new SparkException(s"Couldn't set offsets for ${missing}"))

    69    Left(errs)

    70  }

    71 

    72  private def withBrokers(brokers: Iterable[(String, Int)], errs: Err)

    73                         (fn: SimpleConsumer => Any): Unit = {

    74    brokers.foreach { hp =>

    75      var consumer: SimpleConsumer = null

    76      try {

    77        consumer = connect(hp._1, hp._2)

    78        fn(consumer)

    79      } catch {

    80        case NonFatal(e) =>

    81          errs.append(e)

    82      } finally {

    83        if (consumer != null) {

    84          consumer.close()

    85        }

    86      }

    87    }

    88  }

    89 

    90  def connect(host: String, port: Int): SimpleConsumer =

    91    new SimpleConsumer(host, port, config.socketTimeoutMs,

    92      config.socketReceiveBufferBytes, config.clientId)

    93}