SparkStreaming整合kafka入门

package kafka

import com.typesafe.config.ConfigFactory
import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.InputDStream
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
  * spark Streaming 与kafka 0.10x版本的集成
  */
object SSCDriectKafka010 {
  def main(args: Array[String]): Unit = {
    val config = ConfigFactory.load()
    val conf = new SparkConf().setAppName("kafka-streaming").setMaster("local[*]")
    //批处理时间3秒
    val ssc = new StreamingContext(conf,Seconds(3))

    //设置消费者组id
    val groupId = "day_02"

    /**
      * 构建kafka连接参数
      * latest,earliest,none
      *
      * earliest
      * //当各分区下有已提交的offset时,从提交的offset开始消费,无提交的offset时,从头开始消费
      * latest
      * 当各分区下有已提交的offset时,从提交的offset开始消费;无提交的offset时,消费新产生的该分区下的数据
      * none
      * topic各分区都存在已提交的offset时,从offset后开始消费,只要有一个分区不存在已提交的offset,则抛出异常
      */
    val kafkaParams: Map[String, Object] = Map[String, Object](
      "bootstrap.servers" -> "hadoop01:9092,hadoop02:9092,hadoop03:9092",
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      "group.id" -> groupId,
      "auto.offset.reset" -> "earliest",
      //"auto.commit.interval.ms"-> "1000",设置为1秒提交一次offset,默认是5秒
      "enable.auto.commit" -> (false: java.lang.Boolean)  //是否自动递交偏移量
    )
    //指定主题
    val topics = Array("user")

    /**
      *指定kafka数据源
      * locationStrategy位置策略
      * 包含了两个参数PreferBrokers,PreferConsistent
      * 如果说kafka的broker节点跟spark的executor节点不在同一台机器的话,name就使用PreferConsistent
      *
      * 那么在企业中多数情况下,kafka的broker和executor是不会在一台服务器的,但是对于多数
      * 中小企业来说会部署到一台
      * 设定位置策略的原因是,会以最优化的策略进行读取数据
      * 如果两者在同一台服务器的话,读写数据性能会非常高,不需要走网络传输
      * PreferConsistent,将来kafka拉取的数据会尽量的将数据平均分散到所有的executor节点上
      */
    val stream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String,String](
      ssc,
      LocationStrategies.PreferConsistent,
      ConsumerStrategies.Subscribe[String,String](topics, kafkaParams)
      //传入两个参数,一个是主题,一个是配置的参数集
    )
    //遍历RDD
    stream.foreachRDD(rdd=>{
      val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
      // Array[OffsetRange]里面有几个offsetRange,有几个分区就有几个OffsetRange
      for (o <- offsetRanges){
        println(s"topic=${o.topic},partittion=${o.partition},fromoffset=${o.fromOffset},endoffset=${o.untilOffset}")
      }
      //主动发起递交偏移量
      stream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
    })
    ssc.start()
    ssc.awaitTermination()
  }
}