Kafka Spark(Consumer) 相关API

object MyConsumer {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setAppName("MyConsumer").setMaster("spark://master:7077")
    val ssc = new StreamingContext(conf,Seconds(3))
    //配置连接参数
    val kafkaPara: Map[String, Object] = Map[String,Object](
      ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG -> "master:9092,slave1:9092,slave2:9092",
      ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG -> classOf[StringDeserializer],
      ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG -> classOf[StringDeserializer],
      ConsumerConfig.GROUP_ID_CONFIG -> "test"
    )
    //读取kafka数据创建DStream
    val kafkaDStream: InputDStream[ConsumerRecord[String, String]] =
      KafkaUtils.createDirectStream[String,String](ssc,
        LocationStrategies.PreferConsistent,
        ConsumerStrategies.Subscribe[String, String](Set("reback"), kafkaPara)
      )
    //将每条消息的KV取出
    val valueDStream: DStream[String] = kafkaDStream.map(record => record.value())
    //计算wordcount
    valueDStream.print()
    //开启任务
    ssc.start()
    ssc.awaitTermination()
  }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Spark Streaming集成Kafka可以使用两种方式:直接使用KafkaAPI或使用Spark Streaming对Kafka进行封装的API。 第一种方式需要手动编写Kafka的消费者代码,接收Kafka的消息,然后将消息传递给Spark Streaming处理。这种方式需要更多的代码和配置,但可以更灵活地控制消息的处理。 第二种方式是使用Spark Streaming提供的Kafka Direct API,直接从Kafka中读取消息并进行处理。这种方式更简单,只需要少量的代码和配置,但可能会限制一些高级特性。 以下是使用Spark Streaming集成Kafka的代码示例: ```scala import org.apache.spark.streaming.kafka.KafkaUtils import org.apache.spark.streaming.{Seconds, StreamingContext} import org.apache.spark.{SparkConf, SparkContext} object KafkaStreaming { def main(args: Array[String]) { val sparkConf = new SparkConf().setAppName("KafkaStreaming") val sc = new SparkContext(sparkConf) val ssc = new StreamingContext(sc, Seconds(5)) val kafkaParams = Map[String, String]( "metadata.broker.list" -> "localhost:9092", "group.id" -> "test-consumer-group" ) val topics = Set("test-topic") val messages = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder]( ssc, kafkaParams, topics) messages.map(_._2).flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _).print() ssc.start() ssc.awaitTermination() } } ``` 在这个例子中,我们创建了一个Spark Streaming应用程序,它从名为test-topic的Kafka主题中读取消息,并将它们拆分为单词,计算每个单词的出现次数。使用createDirectStream方法直接从Kafka中读取消息,并使用print方法将结果打印到控制台上。
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