基于Kafka Receiver方式的实时WordCount

import kafka.serializer.StringDecoder
import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}

object KafkaReceiverDemo {
  def main(args: Array[String]): Unit = {
    Logger.getLogger("org").setLevel(Level.WARN)
    System.setProperty("HADOOP_USER_NAME", "tg")
    val conf = new SparkConf().setAppName(this.getClass.getSimpleName).setMaster("local[*]")
    //限制Receiver的数据接收速率,spark.streaming.receiver.maxRate用来设置receiver每秒接收多少条数据
    //    conf.set("spark.streaming.receiver.maxRate","2000")
    //开启back-pressure反压机制。通过动态控制数据接收速率来适配集群数据处理能力。
    conf.set("spark.streaming.backpressure.enable", "true")
    //为了确保数据零丢失,可以开启WAL预写日志机制
    conf.set("spark.streaming.receiver.writeAheadLog.enable", "true")
    val ssc = new StreamingContext(conf, Seconds(2))
    //调用StreamingContext的checkpoint方法,设置预写目录
    ssc.checkpoint("hdfs://master:9000/checkpoint/")

    //基于Kafka创建DStream
    val kafkaParams = Map[String, String](
      //zk地址
      "zookeeper.connect" -> "master:2181",
      //每隔2s更新消费偏移量到zk上
      "auto.commit.interval.ms" -> "2000",
      //消费者组
      "group.id" -> "spark1001",
      //从哪个位置开始消费,largest代表从每个topic的partition最大偏移量位置开始消费
      "auto.offset.reset" -> "largest"
    )
    //String,String,StringDecoder,StringDecoder,分别代表Key和Value数据类型及其反序列化类型
    //    val kafkaInputDStream: ReceiverInputDStream[(String, String)] = KafkaUtils.createStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, Map("test" -> 3), StorageLevel.MEMORY_ONLY_SER)
    //_._2获取Value的值
    //    val resultDStream: DStream[(String, Int)] = kafkaInputDStream.map(_._2).flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
    //    resultDStream.print()
    //_._1获取Key的值,发现Key值为null
    //    kafkaInputDStream.map(x => x._1).print()

    //启用预写日志后,receiver的接收速率会下降,此时既想确保数据零丢失,又想提高吞吐量,
    // 可以创建多个DStream,从而启动多个receiver并行接收数据。
    //注意:此时我们创建了两个输入DStream,也就是说有两个Receiver,每个Receiver会占用一个CPU Core,
    // 所以此时的local[N],N>2
    val kafkaInputDStreams=(0 until(2)).map(x=>{
      val kafkaInputDStream=KafkaUtils.createStream[String,String,StringDecoder,StringDecoder](ssc,kafkaParams,Map("test"->3),StorageLevel.MEMORY_ONLY_SER)
      kafkaInputDStream
    })
    //调用StreamingContext对象的union方法,将三个输入DStream合并成一个
    val bigInputDStream=ssc.union(kafkaInputDStreams)
    bigInputDStream.map(_._2).flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _).print()

    ssc.start()
    ssc.awaitTermination()
  }
}
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