spark streaming接kafka数据方式汇总

1、利用kafka高阶api

（1）常用的方法

def main(args: Array[String]) {

    if (args.length < 4) {

      System.err.println("Usage: KafkaWordCount <zkQuorum> <group> <topics> <numThreads>")

      System.exit(1)

    }

    StreamingExamples.setStreamingLogLevels()

    val Array(zkQuorum, group, topics, numThreads) = args

    val sparkConf = new SparkConf().setAppName("KafkaWordCount")

    val ssc = new StreamingContext(sparkConf, Seconds(2))

    ssc.checkpoint("checkpoint")

    val topicMap = topics.split(",").map((_, numThreads.toInt)).toMap

    val lines = KafkaUtils.createStream(ssc, zkQuorum, group, topicMap).map(_._2)

    val words = lines.flatMap(_.split(" "))

    val wordCounts = words.map(x => (x, 1L))

      .reduceByKeyAndWindow(_ + _, _ - _, Minutes(10), Seconds(2), 2)

    wordCounts.print()

    ssc.start()

    ssc.awaitTermination()

  }

这是example中的例子，这种接数据的方式有以下几个特征

1）如果group是第一次注册，那么会从当前时间在zookeeper上注册消费信息，并开始消费。

如果我再Time2的位置才开始启动程序，那么它是消费不到Time1的数据的

假设Time1处已经停止发送数据了，那么Time2处启动的sparkStreaming程序是消费不到消息的

2）控制输入速率

在sparkconf中设置参数

sparkConf.set("spark.streaming.receiver.maxRate","100")

如果想对一个topic的历史消息进行处理的时候，需要改动一下创建kafka流的方式，如下：

def createStream(
                  ssc: StreamingContext,
zkQuorum: String,
groupId: String,
topics: Map[String, Int],
storageLevel: StorageLevel = StorageLevel.MEMORY_AND_DISK_SER_2
): ReceiverInputDStream[(String, String)] = {
val kafkaParams = Map[String, String](
"zookeeper.connect" -> zkQuorum, "group.id" -> groupId,
"zookeeper.connection.timeout.ms" -> "10000", "auto.offset.reset"->"smallest")
  KafkaUtils.createStream[String, String, StringDecoder, StringDecoder](
    ssc, kafkaParams, topics, storageLevel)
}

在kafkaParams中添加参数

"auto.offset.reset"->"smallest"

然后再main函数中调用createStreaming方法即可