kafka 数据拉取到本地文件脚本

#!/usr/bin/env python
# -*- encoding: utf-8 -*-

# here put the import lib
import argparse
from os import close
import time
from confluent_kafka import Consumer
import uuid

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--topic", type=str)
    parser.add_argument("--host", type=str, default="127.0.0.1:9092")
    parser.add_argument("-f", "--file", type=str, required=True)
    args = parser.parse_args()

    consumer = Consumer({
            'bootstrap.servers': args.host,
            'group.id': "downloader-{}".format(uuid.uuid4),
            'auto.offset.reset': 'earliest',
        })
    consumer.subscribe([args.topic])

    timeout_try_max = 3
    timeout_try_count = 0
    wf = open(args.file, "w", encoding="utf-8")
    try:
        while True:
            msg = consumer.poll(2)

            if msg is None:
                print(None)
                if timeout_try_count > timeout_try_max:
                    break
                timeout_try_count += 1
                time.sleep(1)
                continue
            elif msg.error():
                buf = "Consumer error: {}".format(msg.error())
                print(buf)
                continue

            wf.write(msg.value().decode("utf-8") + "\n")
            timeout_try_count = 0

    except KeyboardInterrupt:
        pass
    finally:
        wf.close()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
第一章 需求 对方的网页文件接入到我方服务器。每个文件要知道其:网站、采集时间等。 通过消息队列将多个远程服务器上的【数据文件】源源不断的接入到本地服务器,数据文件是下载下来的网页,传输过来的时候还要带上来自的网站和下载日期等信息。 目前讨论消息队列用Kafka。 第二章 基本方案 1、我现在能想到的就是: 远程服务器编写程序, 不停读取文件的内容成为一个字符串,然后再加上来自的网站、下载日期等信息,组合成一个JSON字符串,通过调用kafka的生产者API将字符串写入Kafka。 2、JSON数据格式设计: { “source”: “来源网站名” , “filename” : “html文件名”, “download-date”: “下载日期” , ”content” : “一个html文件的全部字符串 “ } 注:假设.js \.css \.png文件都不需要 3、消息主题的设计: 一个网站对应一个topic,对应到本地的一个文件夹。 4、其他: 如果只是传输文件,不考虑加上网站、下载日期等信息的话,我知道的用Flume可能更方便,但是要加上网站、下载日期的信息(类似主题订阅的功能),flume就不太方便了? 5、可能存在的顾虑:网页数据文件数据顺序性的要求的程度。 Kafka单分区的情况小支持消息有序性, 多分区下确保消息有序的方案还需深入调研。 如果之后一个主题下对应的网页文件没有特别的传输顺序要求,这一块应该会容易处理很多。
评论 2
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