Scala 操作Kafka

Spark支持Kafka

网上这块资料比较多,不再赘述
1.spark-streaming-kafka-0-8_2.11-2.1.0.jar 
2.kafka 的jar 包
3.jar存放路径 spark/jars/kafka

生产者

import org.apache.spark.streaming.kafka._
import org.apache.kafka.clients.producer.{KafkaProducer, ProducerConfig, ProducerRecord}
import org.json4s.jackson.Serialization.write

val props = new HashMap[String, Object]()
props.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "127.0.0.1:9092")
// value的解析序列化接口实现类(Deserializer)
props.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer")
// key的解析序列化接口实现类(Deserializer)
props.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG,"org.apache.kafka.common.serialization.StringSerializer")
// 实例化一个Kafka生产者
val producer = new KafkaProducer[String, String](props)

// rdd.colect即将rdd中数据转化为数组,然后write函数将rdd内容
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scala 中消费 Kafka 数据并进行分的步骤如下: 1. 导入必要的 Kafka 相关库依赖: ```scala import org.apache.kafka.clients.consumer.{ConsumerConfig, KafkaConsumer} import org.apache.kafka.common.serialization.StringDeserializer ``` 2. 定义 Kafka 消费者的配置: ```scala val props = new Properties() props.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "localhost:9092") // Kafka 服务器地址 props.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, classOf[StringDeserializer].getName()) props.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, classOf[StringDeserializer].getName()) props.put(ConsumerConfig.GROUP_ID_CONFIG, "my-consumer-group") // 消费者组ID ``` 3. 创建 Kafka 消费者实例: ```scala val consumer = new KafkaConsumer[String, String](props) ``` 4. 订阅要消费的 Kafka 主题: ```scala consumer.subscribe(Collections.singletonList("my-topic")) ``` 5. 循环消费 Kafka 数据: ```scala while (true) { val records = consumer.poll(Duration.ofMillis(100)) // 拉取数据 for (record <- records) { val key = record.key() val value = record.value() // 根据业务逻辑进行数据分处理 if (key == "stream1") { // 处理 stream1 的数据 // ... } else if (key == "stream2") { // 处理 stream2 的数据 // ... } else { // 处理其他的数据 // ... } } } ``` 在上述代码中,我们首先定义了 Kafka 消费者的配置,包括 Kafka 服务器地址、反序列化器和消费者组ID等信息。然后创建Kafka 消费者实例,并订阅了一个或多个主题。接下来,我们通过 `consumer.poll()` 方法拉取数据,并在循环中处理每条记录。根据业务逻辑,可以根据记录的 key 进行数据分处理。 当然,在实际使用中,你可能需要根据自己的需求进行一些定制化操作,比如设置消费者的偏移量、异常处理等。以上只是一个简单的示例,希望能帮助到你。
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