1.单个partition拉取数据条数的限制
val ppc = new PerPartitionConfig() {
override def maxRatePerPartition(topicPartition: TopicPartition): Long = 1000
}
KafkaUtils.createDirectStream[String, String](
ssc,
PreferConsistent,
Subscribe[String, String](Set(topic), kafkaParams, offsetMap),
ppc)
2. 保存kafka 的offset :
I.网上的 方法是 处理rdd的时候保存offset:
val offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
中间处理rdd
offsetRanges.foreach { offsetRange =>
println("partition : " + offsetRange.partition + " fromOffset: " + offsetRange.fromOffset + " untilOffset: " + offsetRange.untilOffset)
val topic_partition_key = offsetRange.topic + "_" + offsetRange.partition
p.set(topic_partition_key, offsetRange.untilOffset + "")
}
处理过程中即便出错,也会保存offset 导致数据丢失
II 我们项目中的做法是:
解析的时候把每一天数据的offset当作一个字段解析,单独保存每一个partition( of rdd)的offset
3. redis 连接使用后记得close