Kafka如何手动维护偏移量？

最新推荐文章于 2023-07-18 11:03:20 发布
最新推荐文章于 2023-07-18 11:03:20 发布
阅读量861 收藏 1
点赞数 1
如有不足，欢迎纠正
本文链接：https://blog.csdn.net/longyanchen/article/details/109000641
版权

0：需求描述

-手动维护kafka偏移量

-做一个单词计数

1.环境准备

三台虚拟机：

node01,node02,node03三台机器已经安装kafka集群。

mysql用来存取kafka的偏移量

 CREATE TABLE `t_offset` (
      `topic` VARCHAR(255) NOT NULL,
      `partition` INT(11) NOT NULL,
      `groupid` VARCHAR(255) NOT NULL,
      `offset` BIGINT(20) DEFAULT NULL,
      PRIMARY KEY (`topic`,`partition`,`groupid`)
    ) ENGINE=INNODB DEFAULT CHARSET=utf8;

 

2.启动生产者：

/export/servers/kafka_2.11-1.0.0/bin/kafka-console-producer.sh --broker-list node01:9092,node01:9092,node01:9092 --topic spark_kafka

3.代码演示

pom依赖：

 <!-- 指定仓库位置，依次为aliyun、cloudera和jboss仓库 -->
    <repositories>
        <repository>
            <id>aliyun</id>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
        </repository>
        <repository>
            <id>cloudera</id>
            <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
        </repository>
        <repository>
            <id>jboss</id>
            <url>http://repository.jboss.com/nexus/content/groups/public</url>
        </repository>
    </repositories>

    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <encoding>UTF-8</encoding>
        <scala.version>2.11.8</scala.version>
        <scala.compat.version>2.11</scala.compat.version>
        <hadoop.version>2.7.4</hadoop.version>
        <spark.version>2.2.0</spark.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive-thriftserver_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <!-- <dependency>
             <groupId>org.apache.spark</groupId>
             <artifactId>spark-streaming-kafka-0-8_2.11</artifactId>
             <version>${spark.version}</version>
         </dependency>-->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql-kafka-0-10_2.11</artifactId>
            <version>${spark.version}</version>
        </dependency>

        <!--<dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.6.0-mr1-cdh5.14.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>1.2.0-cdh5.14.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-server</artifactId>
            <version>1.2.0-cdh5.14.0</version>
        </dependency>-->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
            <version>2.2.0</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.4</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>1.3.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-server</artifactId>
            <version>1.3.1</version>
        </dependency>
        <!--https://github.com/lightbend/config-->
        <dependency>
            <groupId>com.typesafe</groupId>
            <artifactId>config</artifactId>
            <version>1.3.3</version>
        </dependency>
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.38</version>
        </dependency>
    </dependencies>

    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <plugins>
            <!-- 指定编译java的插件 -->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.5.1</version>
            </plugin>
            <!-- 指定编译scala的插件 -->
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                        <configuration>
                            <args>
                                <arg>-dependencyfile</arg>
                                <arg>${project.build.directory}/.scala_dependencies</arg>
                            </args>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-surefire-plugin</artifactId>
                <version>2.18.1</version>
                <configuration>
                    <useFile>false</useFile>
                    <disableXmlReport>true</disableXmlReport>
                    <includes>
                        <include>**/*Test.*</include>
                        <include>**/*Suite.*</include>
                    </includes>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                            <transformers>
                                <transformer
                                        implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                    <mainClass></mainClass>
                                </transformer>
                            </transformers>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

OffsetUtil工具类

package com.td.kafka

import java.sql.{DriverManager, ResultSet}

import org.apache.kafka.common.TopicPartition
import org.apache.spark.streaming.kafka010.OffsetRange

import scala.collection.mutable

object OffsetUtil {
  //从数据库读取偏移量
  def getOffsetMap(groupid: String, topic: String) = {
    val connection = DriverManager.getConnection("jdbc:mysql://node01:3306/bigdata?characterEncoding=UTF-8", "root", "123456")
    val pstmt = connection.prepareStatement("select * from t_offset where groupid=? and topic=?")
    pstmt.setString(1, groupid)
    pstmt.setString(2, topic)
    val rs: ResultSet = pstmt.executeQuery()
    val offsetMap = mutable.Map[TopicPartition, Long]()
    while (rs.next()) {
      offsetMap += new TopicPartition(rs.getString("topic"), rs.getInt("partition")) -> rs.getLong("offset")
    }
    rs.close()
    pstmt.close()
    connection.close()
    offsetMap
  }

  //将偏移量保存到数据库
  def saveOffsetRanges(groupid: String, offsetRange: Array[OffsetRange]) = {
    val connection = DriverManager.getConnection("jdbc:mysql://node01:3306/bigdata?characterEncoding=UTF-8", "root", "123456")
    //replace into表示之前有就替换,没有就插入
    val pstmt = connection.prepareStatement("replace into t_offset (`topic`, `partition`, `groupid`, `offset`) values(?,?,?,?)")
    for (o <- offsetRange) {
      pstmt.setString(1, o.topic)
      pstmt.setInt(2, o.partition)
      pstmt.setString(3, groupid)
      pstmt.setLong(4, o.untilOffset)
      pstmt.executeUpdate()
    }
    pstmt.close()
    connection.close()
  }
}

SparkKafka6测试类：

package com.td.kafka

import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.common.TopicPartition
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.streaming.dstream.{DStream, InputDStream}
import org.apache.spark.streaming.kafka010.{OffsetRange, _}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}

import scala.collection.mutable

object SparkKafka6 {
  def main(args: Array[String]): Unit = {
    //1.创建SrearmingContext
    val conf = new SparkConf().setAppName("wc").setMaster("local[*]")
    val sc = new SparkContext(conf)
    sc.setLogLevel("WARN")
    sc.setCheckpointDir("./kafka")

    val ssc = new StreamingContext(sc,Seconds(5))

    //准备连接Kafka的参数
    val kafkaParams = Map[String, Object](
      "bootstrap.servers" -> "node01:9092,node02:9092,node03:9092",
      "key.deserializer" -> classOf[StringDeserializer],
      "value.deserializer" -> classOf[StringDeserializer],
      "group.id" -> "SparkKafkaDemo",
      "auto.offset.reset" -> "latest",
      "enable.auto.commit" -> (false: java.lang.Boolean)
    )
    val topics = Array("spark_kafka")

    //2.使用KafkaUtil连接Kafak获取数据
    //注意:
    //如果MySQL中没有记录offset,则直接连接,从latest开始消费
    //如果MySQL中有记录offset,则应该从该offset处开始消费
    val offsetMap: mutable.Map[TopicPartition, Long] = OffsetUtil.getOffsetMap("SparkKafkaDemo","spark_kafka")

    val recordDStream: InputDStream[ConsumerRecord[String, String]] = {if(offsetMap.size > 0){//有记录offset
      println("MySQL中记录了offset,则从该offset处开始消费")
      KafkaUtils.createDirectStream[String, String](ssc,
        LocationStrategies.PreferConsistent,//位置策略,源码强烈推荐使用该策略,会让Spark的Executor和Kafka的Broker均匀对应
        ConsumerStrategies.Subscribe[String, String](topics, kafkaParams,offsetMap))//消费策略,源码强烈推荐使用该策略
    }else{//没有记录offset
      println("没有记录offset,则直接连接,从latest开始消费")
      // /export/servers/kafka/bin/kafka-console-producer.sh --broker-list node01:9092 --topic  spark_kafka
      KafkaUtils.createDirectStream[String, String](ssc,
        LocationStrategies.PreferConsistent,//位置策略,源码强烈推荐使用该策略,会让Spark的Executor和Kafka的Broker均匀对应
        ConsumerStrategies.Subscribe[String, String](topics, kafkaParams))//消费策略,源码强烈推荐使用该策略
    }}


    recordDStream.foreachRDD(rdd=>{
      if(rdd.count() > 0){//当前这一时间批次有数据
        rdd.foreach(record => println("接收到的Kafk发送过来的数据为:" + record))
        //接收到的Kafk发送过来的数据为:ConsumerRecord(topic = spark_kafka, partition = 2, offset = 18, CreateTime = 1601332815296, checksum = 2190377400, serialized key size = -1, serialized value size = 2, key = null, value = aa)
        //注意:通过打印接收到的消息可以看到,里面有我们需要维护的offset,和要处理的数据
        //接下来可以对数据进行处理....或者使用transform返回和之前一样处理
        //处理数据的代码写完了,就该维护offset了,那么为了方便我们对offset的维护/管理,spark提供了一个类,帮我们封装offset的数据
        val offsetRanges: Array[OffsetRange] = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
        for (o <- offsetRanges){
          println(s"topic=${o.topic},partition=${o.partition},fromOffset=${o.fromOffset},untilOffset=${o.untilOffset}")
        }
        //手动提交offset,默认提交到Checkpoint中
        //recordDStream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
        //实际中偏移量可以提交到MySQL/Redis中
        OffsetUtil.saveOffsetRanges("SparkKafkaDemo",offsetRanges)
      }
    })

    val lineDStream: DStream[String] = recordDStream.map(_.value())//_指的是ConsumerRecord
    val wrodDStream: DStream[String] = lineDStream.flatMap(_.split(" ")) //_指的是发过来的value,即一行数据
    val wordAndOneDStream: DStream[(String, Int)] = wrodDStream.map((_,1))
    val result: DStream[(String, Int)] = wordAndOneDStream.updateStateByKey(updateFunc)
    result.print()
    ssc.start()//开启
    ssc.awaitTermination()//等待优雅停止
  }
  def updateFunc(currentValues:Seq[Int],historyValue:Option[Int]): Option[Int] ={
    val result = currentValues.sum+historyValue.getOrElse(0)
    Some(result)
  }
}

测试效果：

 

mysql:

控制台打印：

 

chenyanlong_v
关注
SparkStreaming+Kafka手动维护kafka的偏移量
m0_37556124的博客
10-28 517
ssc从kafka读取数据 1.主入口函数 def main(args: Array[String]): Unit = { val ssc: StreamingContext = StreamingContext.getActiveOrCreate("./ck2", () => createingFunc) ssc.start() ssc.awaitTermination() } 2.初始化ssc def createingFunc(): StreamingConte
Spark on Kafka Receiver 和 Direct Kafka手动维护偏移量
写的不好之处,请指教
04-20 5789
常用命令 #启动kafka /export/servers/kafka/bin/kafka-server-start.sh -daemon /export/servers/kafka/config/server.properties #停止kafka /export/servers/kafka/bin/kafka-server-stop.sh #查看topic信息 /export/se...
Kafka手动维护偏移量（offset）
MannerXu的博客
08-10 9021
案例：手动维护偏移量到Mysql ●API http://spark.apache.org/docs/latest/streaming-kafka-0-10-integration.html 手动提交offset，以保证数据不会丢失 具体代码实现 import java.sql.{DriverManager, ResultSet} import org.apache.kafka...
手动维护kafka的偏移量，各种方式整理总结
yrsg666的博客
06-05 3161
对sparkstreaming消费kafka消息进行逻辑判断，逻辑清晰明确，但是offset存在zookeeper当中，需要自己实现其他存储 https://my.oschina.net/u/1027043/blog/1581278 同样是存储到zookeeper当中，记录博文较多 https://www.cnblogs.com/junneyang/p/8267902.html 也是用zo...
kafka手动修改消费者偏移量
热门推荐
only_1的专栏
11-05 1万+
1.建立一个测试主题： [root@snn bin]#./kafka-topics.sh --zookeeper snn:2181 --topic offset-test --partitions 2 --replication-factor 2 –create 检查主题的设置情况： [root@snn bin]#./kafka-topics.sh --zookeeper snn:2181 ...
手动管理kafka的偏移量
qq_42359675的博客
09-09 594
package com.cartravel.kafka import java.lang.Long import kafka.utils.{ZKGroupTopicDirs, ZkUtils} import org.apache.kafka.clients.consumer.{ConsumerConfig, ConsumerRecord, KafkaConsumer, NoOffsetForPartitionException} import org.apache.kafka.common.TopicPar
Kafka 消息偏移量的维护
走向程序的康庄大道
08-02 1万+
Kafka是大数据领域常用的消息队列，其高效的吞吐量和分布式容错等特性是其收到青睐的重要原因。kafka消息的位置用好Kafka，维护其消息偏移量对于避免消息的重复消费与遗漏消费,确保消息的Exactly-once是至关重要的。 kafka的消息所在的位置Topic、Partitions、Offsets三个因素决定。 Kafka消费者消费的消息位置还与consumer的group.id有关。co
一个手动管理spark streaming集成kafka时的偏移量到zookeeper中的小项目
02-28
这个小项目专注于手动管理Spark Streaming在处理Kafka数据时的偏移量，并将其存储在Zookeeper中，以便于跟踪和管理数据消费状态。以下是关于这个项目的详细知识点： **1. Spark Streaming** Spark Streaming是...
SparkStreaming消费Kafka数据手动提交偏移量维护在自定义环境的方式
别人笑我太疯癫，我笑他人看不穿。
03-18 1175
所谓的手动管理偏移量就是用户自己定义消息何时被真正处理完，并在提交偏移量之前一般会用偏移量做一些其他的操作，好处是用户可以确保只有消息被真正处理完成后再提交偏移量。所以需要我们在代码逻辑中得到实时的偏移量，并且保证<<任务处理完成之后再提交偏移量>>这种时序性。 手动管理kafka偏移量有以下优点： a)一般情况下，保证数据不丢失，不重复被消费 b)可以方便地查看offset信息 操作的api是OffsetRange这个类，它有untilOffset()方法，这个方法可以得到该批次数
读取kafka数据的偏移量的维护
qq_44698610的博客
11-19 682
使用spark来获取kafka的数据 要建立一个连接对象来获取数据——对象的建立需要传入偏移量参数 偏移量的初始值：多个分区需要有多行数据。 partition从0开始排，逐个增加。 //kafka的连接参数 val kafkaParams = Map[String, Object]( "bootstrap.servers" -> "hadoop101:9092,ha...
手动维护kafka偏移量精准一次语义(随内容维护到hbase里)
斧王，不能再斩杀了吗的博客
10-23 375
object Kafka_consumers { def main(args: Array[String]): Unit = { //spark充当kafka消费者 直接订阅主题消费,将数据更新到hbase里 // val ssc=new StreamingContext(new SparkContext(new SparkConf().setMaster("local[*]").se...
如何手动更新Kafka中某个Topic的偏移量
u011007180的博客
07-17 2526
http://www.iteblog.com/archives/1642
Spark消费Kafka并手动维护偏移量到Mysql
Hello_World0825的博客
08-10 726
首先要明确的是，偏移量指的是消息在kafka中的某个位置，类似于数组的下标，所以我们要做的是消费者在消费过程中把消息消费到了哪一条，把它对应的offset获取到并保存下来。 首先我们要有一个生产消息的生产者，生产者代码如下： import java.util.Properties import org.apache.kafka.clients.producer.{KafkaProducer, ProducerRecord} object SparkProducer { def main(args: A
Spark Streaming管理Kafka偏移量
UFO的博客
09-26 2112
为了让Spark Streaming消费kafka的数据不丢数据，可以创建Kafka Direct DStream，由Spark Streaming自己管理offset，并不是存到zookeeper。启用S​​park Streaming的 checkpoints是存储偏移量的最简单方法，因为它可以在Spark的框架内轻松获得。 checkpoints将应用程序的状态保存到HDFS，以便在故障时
【kafka】Golang的Sarama包手动提交偏移量
最新发布
神隐寻觅的博客
07-18 1055
Golang的Sarama库中的Consumer Group在消费数据时，默认情况下会自动提交偏移量。Consumer Group中的每个分区消费者在处理完消息后，会自动将偏移量提交到Kafka的__consumer_offsets主题。这样下次消费者启动时，就可以从上次处理过的消息的下一个位置开始消费。但是，你可以根据需要配置Sarama消费者来更改这个自动提交的行为。在Sarama库中，Config结构体中的Consumer.Offsets字段提供了偏移量提交相关的配置选项。
Kafka：手动管理offset
oJueQiang123456的博客
04-25 767
1、Springboot版本：2.0.3.RELEASE <dependency> <groupId>org.springframework.kafka</groupId> <artifactId>spring-kafka</artifactId> </dependency> 2、application...
Kafka offset维护机制
Easy_Wly
06-28 955
Kafka offset的维护 上一篇介绍过Kafka的生产者相关的机制，这一篇来介绍一下kafka消息的offset。 由于 Consumer 在消费过程中可能会出现断电宕机等故障，Consumer 恢复后，需要从故障前的位置继续消费。所以 Consumer 需要实时记录自己消费到了哪个 Offset，以便故障恢复后继续消费。 Kafka 0.9 版本之前，Consumer 默认将 Offset 保存在 Zookeeper 中，从 0.9 版本开始，Consumer 默认将 Offset 保存在 Kafk
kafka同步zookeeper前移偏移量
zhangweigangweiwu的专栏
08-04 2292
./bin/zookeeper-shell.sh localhost:2181  进入zookeeper管理 set /consumers/组名/offsets/主题/分区移动的位置
kafka如何设置偏移量
04-29
2. 手动提交偏移量：Kafka消费者可以手动提交偏移量到Kafka集群中。这种方式可以精确控制偏移量，避免消息被重复消费或者被跳过，但是需要注意在何时提交偏移量。 在代码中，可以通过配置参数来控制偏移量的提交...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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